FCS 11(5) 文章 | 基于概率主题模型的话题演化研究综述
导读
准确地表示出用户所感兴趣的话题的数量和特征，是话题演化研究领域的一个重要课题，对当今互联网信息环境意义尤为重大。搜索引擎可以从存档数据中提供某话题的信息检索，但不能以结构化的方式反映用户对主题的兴趣强度的变化。
本文从多个角度回顾、总结了近10年中重要的基于概率主题模型的话题演化研究工作。文章首先介绍了本文涉及的基础主题模型、术语、和符号，总结了基于概率主题模型的三类话题演化模型：离散时间话题演化模型、连续时间话题演化模型、以及在线话题演化模型。
文章还描述了话题演化模型的多种应用，并总结了模型泛化性能评估、话题演化评估方法、和不同模型的比较试验结果。
最后，文章讨论了基于概率主题模型的话题演化研究工作中的挑战以及未来可能的研究方向。
文章精要
如需阅读本期推荐文章的全文，请点左下角的「阅读原文」链接。
Frontiers of Computer Science
长按二维码关注Frontiers of Computer Science公众号
登录查看更多
相关内容
主题模型，顾名思义，就是对文字中隐含主题的一种建模方法。“苹果”这个词的背后既包含是苹果公司这样一个主题，也包括了水果的主题。
在这里，我们先定义一下主题究竟是什么。主题就是一个概念、一个方面。它表现为一系列相关的词语。比如一个文章如果涉及到“百度”这个主题，那么“中文搜索”、“李彦宏”等词语就会以较高的频率出现，而如果涉及到“IBM”这个主题，那么“笔记本”等就会出现的很频繁。如果用数学来描述一下的话，主题就是词汇表上词语的条件概率分布 。与主题关系越密切的词语，它的条件概率越大，反之则越小。
Arxiv
3+阅读 · 2020年4月13日
Arxiv
6+阅读 · 2018年8月16日
相关VIP内容
相关资讯
相关论文
Arxiv
3+阅读 · 2020年4月13日
Arxiv
6+阅读 · 2018年8月16日
微信扫码咨询专知VIP会员