We describe latent Dirichlet alloca

We describe latent Dirichlet allocation (LDA), a generative probabilistic model for collections of discrete data such as text corpora. LDA is a three-level hierarchical Bayesian model, in which each item of a collection is modeled as a finite mixture over an underlying set of topics. Each topic is, in turn, modeled as an infinite mixture over an underlying set of topic probabilities. In the context of text modeling, the topic probabilities provide an explicit representation of a document. We present efficient approximate inference techniques based on variational methods and an EM algorithm for empirical Bayes parameter estimation. We report results in document modeling, text classification, and collaborative filtering, comparing to a mixture of unigrams model and the probabilistic LSI model.

ผลลัพธ์ (ไทย) 1:

เราอธิบายแฝงอยู่ Dirichlet การปันส่วน (LDA), แบบ probabilistic generative สำหรับคอลเลกชันของข้อมูลไม่ต่อเนื่องเช่น corpora ข้อความ LDA เป็นสามระดับลำดับทฤษฎีแบบ ซึ่งแต่ละรายการของกลุ่มถูกจำลองเป็นผสมจำกัดกว่าชุดที่เป็นต้นแบบของหัวข้อ แต่ละหัวข้อจะ จำลองเป็นการผสมผสานระหว่างอนันต์กว่าชุดที่เป็นต้นแบบของหัวข้อกิจกรรม ในบริบทของข้อความจำลอง กิจกรรมหัวข้อให้แสดงความชัดเจนของเอกสาร เรานำเสนอมีประสิทธิภาพข้อประมาณเทคนิคตามวิธี variational และอัลกอริทึม EM สำหรับประเมินพารามิเตอร์ Bayes ประจักษ์ เรารายงานผลเอกสารสร้างโมเดล การจัดประเภทข้อความ และ กรองร่วมกัน การเปรียบเทียบกับการผสมผสานระหว่างรูปแบบ unigrams และแบบ LSI probabilistic

ผลลัพธ์ (ไทย) 2:

เราอธิบายจัดสรร Dirichlet แฝง (LDA) น่าจะเป็นรูปแบบการกำเนิดคอลเลกชันของข้อมูลที่ไม่ต่อเนื่องเช่นคลังข้อความ LDA เป็นสามระดับรูปแบบเบส์ลำดับชั้นซึ่งในรายการของคอลเลกชันแต่ละจำลองเป็นส่วนผสม จำกัด มากกว่าชุดพื้นฐานของหัวข้อ แต่ละหัวข้อคือในทางกลับกันย่อมเป็นส่วนผสมที่ไม่มีที่สิ้นสุดมากกว่าชุดพื้นฐานของความน่าจะเป็นหัวข้อ ในบริบทของการสร้างแบบจำลองข้อความที่น่าจะเป็นหัวข้อให้เป็นตัวแทนที่ชัดเจนของเอกสาร เรานำเสนอเทคนิคการอนุมานโดยประมาณที่มีประสิทธิภาพขึ้นอยู่กับวิธีการแปรผันและอัลกอริทึม EM สำหรับการประมาณค่าพารามิเตอร์เบส์เชิงประจักษ์ รายงานผลการสร้างแบบจำลองในเอกสารการจัดหมวดหมู่ข้อความและการกรองการทำงานร่วมกันเมื่อเทียบกับส่วนผสมของรูปแบบ unigrams และความน่าจะเป็นรูปแบบ LSI

ผลลัพธ์ (ไทย) 3:

เราอธิบายการจัดสรรดีริชเลต์แฝง ( lda ) , รูปแบบการเข้า สำหรับเก็บข้อมูลแบบไม่ต่อเนื่อง เช่น ข้อความคลังข้อมูล . lda เป็นสามระดับลำดับชั้นแบบจำลองเบซึ่งในแต่ละรายการของคอลเลกชันแบบส่วนผสมแน่นอนกว่าต้นแบบชุดของหัวข้อ แต่ละหัวข้อในการเปิดแบบอนันต์กว่าชุดของส่วนผสมพื้นฐานเรื่องความน่าจะเป็นในบริบทของการจำลองข้อความ หัวข้อที่จะให้ตัวแทนที่ชัดเจนของเอกสาร เรานำเสนอประสิทธิภาพโดยประมาณการอนุมานเทคนิคตามวิธีการและขั้นตอนวิธีอีเอ็มเพื่อประมาณค่าพารามิเตอร์เชิงเบส์ . เรารายงานผลในรูปแบบเอกสารประเภทข้อความและการทำงานร่วมกันทั้งสิ้นการผสมของรูปแบบและการ unigrams ญี่ปุ่นนางแบบ