用于理解国际贸易的稀疏三参数受限印度自助餐过程
机器学习
2018-07-02 v1 机器学习
摘要
本文提出一种贝叶斯非参数潜特征模型，特别适用于高维计数数据的探索性分析。我们执行非负双重稀疏矩阵分解，具有两个主要优势：不仅能更好地逼近行输入分布，而且推断出的主题也更易于解释。通过将三参数与受限印度自助餐过程结合为单一先验，我们增强了模型灵活性，允许潜空间中存在全谱的稀疏解。我们在国家经济结构分析中展示了我们方法的效用。与其他方法相比，实证结果显示我们的模型能够提供易于解释的信息，并更好地捕捉数据潜在的稀疏结构。
引用
@article{arxiv.1806.11518,
title = {Sparse Three-parameter Restricted Indian Buffet Process for Understanding International Trade},
author = {Melanie F. Pradier and Viktor Stojkoski and Zoran Utkovski and Ljupco Kocarev and Fernando Perez-Cruz},
journal= {arXiv preprint arXiv:1806.11518},
year = {2018}
}
备注
To appear in the proceedings of ICASSP 2018