基于层次潜在树分析的研究论文主题浏览
计算与语言
2016-09-30 v1 信息检索
机器学习
摘要
学术研究人员常常需要面对文献中大量的研究论文。对于刚进入某个领域且不知从何入手的研究生而言，这个问题可能更为严重。为解决此问题，我们开发了一个研究论文在线目录，其中的论文已通过主题模型自动分类。该目录包含来自 2000 年至 2015 年两个人工智能会议论文集的 7719 篇论文。我们没有使用常用的潜在狄利克雷分配，而是采用了一种最近提出的称为层次潜在树分析的方法进行主题建模。所得主题模型包含一个主题层次结构，用户可以从顶层到底层浏览主题。该主题模型在顶层包含数量可控的通用主题，并允许在底层存在数千个细粒度主题。它还能检测到最近涌现的主题。
引用
@article{arxiv.1609.09188,
title = {Topic Browsing for Research Papers with Hierarchical Latent Tree Analysis},
author = {Leonard K. M. Poon and Nevin L. Zhang},
journal= {arXiv preprint arXiv:1609.09188},
year = {2016}
}