基于双视图混合模型在用户特征与潜在行为函数上的非参数聚类
机器学习
2018-12-19 v1 机器学习
摘要
我们提出一种双视图混合模型，基于用户特征与潜在行为函数对用户进行聚类。混合模型的每个分量表示在观测用户属性的特征视图与通过用户动作或行为间接观测的潜在行为函数行为视图上的概率密度。我们的任务是推断用户群体及其潜在行为函数。我们还基于狄利克雷过程提出了一种非参数版本，以自动推断聚类数目。我们在一个表示用户参与在线论坛主题的合成数据集上测试了模型的特性与性能。实验表明，当某一视图缺乏信息时，双视图模型优于单视图模型。
引用
@article{arxiv.1812.07360,
title = {Non-parametric clustering over user features and latent behavioral functions with dual-view mixture models},
author = {Alberto Lumbreras and Julien Velcin and Marie Guégan and Bertrand Jouve},
journal= {arXiv preprint arXiv:1812.07360},
year = {2018}
}