n阶段隐狄利克雷分配：一种LDA新方法
计算与语言
2021-10-22 v2 信息检索
摘要
如今，随着数据量持续增长，数据分析已成为一大问题。为克服文本数据中的此问题，自然语言处理中使用了许多模型与方法。主题建模便是其中之一。主题建模可确定文本文档的语义结构。隐狄利克雷分配（LDA）是主题建模方法中最常用的。本文详细阐述了所提出的n阶段LDA方法，其能使LDA方法被更有效地使用。通过所实施的英文与土耳其文研究，已证明该方法的积极效果。由于该方法聚焦于减少词典中的词数，故可独立于语言使用。您可访问该方法的开源代码与示例：https://github.com/anil1055/n-stage_LDA
引用
@article{arxiv.2110.08591,
title = {n-stage Latent Dirichlet Allocation: A Novel Approach for LDA},
author = {Zekeriya Anil Guven and Banu Diri and Tolgahan Cakaloglu},
journal= {arXiv preprint arXiv:2110.08591},
year = {2021}
}
备注
Published in: 2019 4th International Conference on Computer Science and Engineering (UBMK). This study is extension version of "Comparison of Topic Modeling Methods for Type Detection of Turkish News" http://dx.doi.org/10.1109/UBMK.2019.8907050 . Please citation this IEEE paper