基于锚词且由生存分析监督的主题建模：胰腺炎结局刻画
机器学习
2017-12-08 v2
摘要
我们提出了一种由生存分析监督的主题建模新方法。具体而言，我们基于近期关于使用所谓锚词的无监督主题建模工作，通过弹性网正则化的 Cox 比例风险模型提供监督。简言之，锚词在文档中出现强烈表明该文档部分涉及某一特定主题。例如，通过在文档中看到“胆结石”，我们相当确定该文档部分关于医学。我们提出的方法在学习的主题模型与生存模型之间交替，以寻找块凸优化问题的局部极小值。我们将所提方法应用于预测因胰腺炎入住重症监护病房（ICU）的患者在 ICU 的停留时长。我们的方法与各类基线中最佳者同样准确，同时比任何基线都更具可解释性。
引用
@article{arxiv.1712.00535,
title = {Survival-Supervised Topic Modeling with Anchor Words: Characterizing Pancreatitis Outcomes},
author = {George H. Chen and Jeremy C. Weiss},
journal= {arXiv preprint arXiv:1712.00535},
year = {2017}
}
备注
NIPS Workshop on Machine Learning for Health 2017, fixed some equation typos, some minor wording edits