符号对的可扩展贝叶斯建模

我们提出了一种新颖、可扩展且基于贝叶斯的方法，用于对从大词汇表中抽取的符号对 $(i,j)$ 的出现进行建模。假设观测到的对是由一个简单的基于流行度的选择过程生成，随后通过偏好函数进行删失。基于变分界定这一坚实基础原理，并利用新的站点独立界，我们展示了如何为大型数据集获得可扩展的推断过程。在真实世界的电影观看数据上展示了最先进的结果。