作为文本时间聚类灵活先验的 Powered Dirichlet-Hawkes 过程
计算与语言
2022-02-01 v1
摘要
文档的文本内容与发布日期相互交织。例如，关于某主题的新闻文章的发布受先前类似问题发布的影响，遵循潜在的时间动态。然而，当文本信息传达甚少时，检索有意义的信息可能具有挑战性。此外，文档的文本内容并非总是与其时间动态相关。我们开发了一种根据文档内容及其发布时间创建文本文档聚类的方法，即 Powered Dirichlet-Hawkes 过程（PDHP）。当时间信息或文本内容信息较弱时，PDHP 比最先进模型取得显著更好的结果。PDHP 还放宽了文本内容与时间动态完全相关的假设。我们证明 PDHP 推广了先前的工作——如 DHP 和 UP。最后，我们使用来自 Reddit 的真实世界数据集展示了一个可能的应用。
引用
@article{arxiv.2201.12568,
title = {Le Processus Powered Dirichlet-Hawkes comme A Priori Flexible pour Clustering Temporel de Textes},
author = {Gaël Poux-Médard and Julien Velcin and Sabine Loudcher},
journal= {arXiv preprint arXiv:2201.12568},
year = {2022}
}
备注
in French