主题层次结构的可扩展与鲁棒构建
机器学习
2014-03-17 v1 计算与语言
数据库
信息检索
摘要
为文本集合自动生成高质量的主题层次结构是知识工程中的一个理想问题，具有许多有价值的应用。在本文中，我们提出了一种可扩展且鲁棒的算法，用于从文本集合构建主题层次结构。我们基于张量正交分解技术，采用自顶向下的递归框架来分而治之地解决该问题。我们解决了一个关键挑战，即对我们新设计的层次主题模型执行可扩展推断。在各种真实世界数据集上的实验表明，该方法能够高效地生成鲁棒且高质量的层次结构。我们的方法将构建时间减少了几个数量级，其鲁棒特性使用户能够交互式地修订层次结构。
引用
@article{arxiv.1403.3460,
title = {Scalable and Robust Construction of Topical Hierarchies},
author = {Chi Wang and Xueqing Liu and Yanglei Song and Jiawei Han},
journal= {arXiv preprint arXiv:1403.3460},
year = {2014}
}