面向实例的演化聚类的时态多项混合模型
信息检索
2016-01-12 v1 机器学习
机器学习
摘要
演化聚类旨在捕捉簇的时间演化。这一问题在天然受时间驱动的社交媒体数据背景下尤为重要。本文中，我们提出一种新的基于概率模型的演化聚类技术。时态多项混合（Temporal Multinomial Mixture, TMM）是经典混合模型的扩展，它在特征共现与时间平滑性之间权衡优化。我们的模型在两项近期的意见随时间聚合的案例研究中得到评估。我们比较了四种不同的概率聚类模型，并展示了我们的提案在面向实例的聚类任务中的优越性。
引用
@article{arxiv.1601.02300,
title = {Temporal Multinomial Mixture for Instance-Oriented Evolutionary Clustering},
author = {Young-Min Kim and Julien Velcin and Stéphane Bonnevay and Marian-Andrei Rizoiu},
journal= {arXiv preprint arXiv:1601.02300},
year = {2016}
}