基于行随机 DEDICOM 的可解释主题提取与词嵌入学习
计算与语言
2025-07-23 v1 人工智能
机器学习
摘要
DEDICOM算法提供了对称和非对称方阵的唯一可解释矩阵分解方法。我们应用了 DEDICOM 的一种新型行随机变体，对文本语料库的点互信息矩阵进行处理，以识别词汇表中潜在的主题簇，并同时学习可解释的词嵌入。我们引入了一种高效训练受约束 DEDICOM算法的方法，并对其主题建模和词嵌入性能进行了定性评估。
引用
@article{arxiv.2507.16695,
title = {Interpretable Topic Extraction and Word Embedding Learning using row-stochastic DEDICOM},
author = {Lars Hillebrand and David Biesner and Christian Bauckhage and Rafet Sifa},
journal= {arXiv preprint arXiv:2507.16695},
year = {2025}
}
备注
Accepted and published at CD-MAKE 2020, 20 pages, 8 tables, 8 figures