结合内生与外生过程的时序主题分析
计算与语言
2016-07-06 v1 信息检索
机器学习
摘要
我们考虑在考虑内生和外生过程的情况下对时序文本数据进行建模的问题。此类文本文档出现在现实世界应用中，包括受总体经济波动影响的招聘广告和经济新闻文章。我们提出了一种分层贝叶斯主题模型，该模型对主题随时间的演变施加了“组相关”的分层结构，同时纳入两种过程，并证明该模型可以通过马尔可夫链蒙特卡罗采样方法进行估计。我们进一步证明该模型捕捉了主题分布与时间依赖因素之间的内在关系，并将其性能与潜在狄利克雷分配（LDA）及其他两个相关模型进行了比较。该模型被应用于两个文档集合以说明其经验性能：来自DirectEmployers协会的在线招聘广告和BusinessInsider.com上记者的发帖。
引用
@article{arxiv.1607.01274,
title = {Temporal Topic Analysis with Endogenous and Exogenous Processes},
author = {Baiyang Wang and Diego Klabjan},
journal= {arXiv preprint arXiv:1607.01274},
year = {2016}
}