用于主题推断的几何狄利克雷均值算法
机器学习
2016-10-31 v1
摘要
我们提出了一种用于主题学习和推断的几何算法，该算法建立在由潜在狄利克雷分配（LDA）模型及其非参数扩展产生的主题的凸几何之上。为此，我们研究了一个几何损失函数的优化，该损失函数是 LDA 似然的替代。我们的方法涉及一个基于加权聚类的快速优化过程，并辅以几何校正，它克服了基于吉布斯采样和变分推断的其他技术所遇到的计算和统计低效问题，同时达到了与吉布斯采样器相当的精度。我们的方法产生的主题估计在某些条件下被证明是统计一致的。该算法在模拟和真实数据上进行了广泛的实验评估。
引用
@article{arxiv.1610.09034,
title = {Geometric Dirichlet Means algorithm for topic inference},
author = {Mikhail Yurochkin and XuanLong Nguyen},
journal= {arXiv preprint arXiv:1610.09034},
year = {2016}
}