主题模型综述_第1页
主题模型综述_第2页
主题模型综述_第3页
主题模型综述_第4页
主题模型综述_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、主题模型概述 THOMAS HOFMANN Department of Computer Science, Brown University, Providence, USA,Unsupervised Learning by Probabilistic LatentSemantic Analysis,Content,Latent semantic analysis(LSA) SVD Probabilistic latent semantic analysis(PLSA) Expect Maximum(EM) LDA(Latent Dirichlet Analysi

2、s) 各种变种及应用（扩展部分）,LSA,主要用于文本分析 思想：找低阶的矩阵对terms-doc矩阵进行分解，得到doc的潜在语义 可以处理多义词和同义词的问题 求解方式：SVD（奇异值分解）,SVD奇异值分解,词项文档矩阵做SVD分解 求解方法： 迭代法、并行方法、求NN的特征值法,PLSA,Generate model 其中： P(di)：表示生成这篇文章的先验概率 P(zk|di)：表示在di这篇文章中选择主题zk的概率 P(wj|zk)：表示在Zk主题下选择单词wj的概率,最大似然函数,EM（期望最大化算法）,EM算法的步骤是： (1)E步骤：求隐含变量Given当前估计的参数条件下的后验概率。 (2)M步骤：最大化Complete data对数似然函数的期望，此时我们使用E步骤里计算的隐含变量的后验概率，得到新的参数值。 两步迭代进行直到收敛。,解决方法（MLE),拉格朗日乘子法,求解方程组得到,LDA,涉及到的数学知识,概率 条件概率、贝叶斯、GammaBetaDirichlet分布、

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论