大型会议论文的层次化主题分类
机器学习
2024-06-24 v1 信息检索
机器学习
摘要
本文发展了一种用于层次化文本分类的决策支持系统。我们考虑文本集合具有专家以树形结构形式给出的固定层次化主题结构。该系统按文档相关性对主题进行排序,专家从中选择最相关的主题以完成分类。我们提出了加权层次化相似函数来计算主题相关性。该函数计算文档与树分支的相似度,函数中的权重决定词语的重要性。我们使用词语的熵来估计权重。提出的加权层次化相似函数构建了一个文档主题、参数和超参数的联合层次化主题分类概率模型。变分贝叶斯推断给出闭形式的EM算法。EM算法估计参数并计算给定文档的主题概率。与层次化多类SVM、带自适应正则化的层次化PLSAs和层次化朴素贝叶斯相比,加权层次化相似函数在欧洲大型会议(EURO)的摘要集合以及工业公司网站集合中的排序准确性具有更好的改进。
引用
@article{arxiv.2406.14983,
title = {Hierarchical thematic classification of major conference proceedings},
author = {Arsentii Kuzmin and Alexander Aduenko and Vadim Strijov},
journal= {arXiv preprint arXiv:2406.14983},
year = {2024}
}