qifeiyang112358的博客

作者提供了数据和代码（不是很多）：https://goo.gl/uee3QK按照惯例，不解释技术细节，只介绍文章的问题和方法，先看图：location-based dynamic sentiment-topic model (LDST)——考虑了地点，情感和话题的动态模型（动态主要提现在地点的变化，引起的情感和话题的变化）and Tracking Sentiments an

 probabilistic topic model for sequence data 考虑到bag of word 的单词顺序可交换性的限制，所以考虑存在话题的依赖关系，也即是单词的话题分配受到前一个单词的影响，提出了sequence topic model，参数和模型的优化过程如下图：a为原始的LDA，单词的话题分配是独立的；b为token-bigram，即双词话题构成，即单...

利用关键词｛community，sentiment｝作为关键词，只能检索到这三篇文章，所以可以简单的认为这并不算一个非常热门的研究问题，这里简要对这三篇文章进行阅读。 第一篇：Community detection seeks to find groups of associated individuals within networks, and sentiment analysis a...

Joint sentiment /topic modelJST模型从文本检测情感和主题 之前的工作缺点：基于机器学习的情感分类需要大量的人工标记； 一个领域训练的情感分类模型不能很好地应用于另一个领域； 主题/特征检测和情感分类经常分开来进行，忽略了它们的相互依赖性。JST 同时建模话题和情感 情感分析可以分为三类：积极，消极和neutral。更细粒度的可以分析单个用户对特定it...

Targeted Topic Modeling for Focused Analysis和KDD16的psudo-topic的短文本话题建模方法类似，主要为了解决稀疏性问题。目前：工作的中心是全数据中的全话题的全局分析；缺点：需要特定方向的细节分析（targeted aspects）提出：targeted topic model - 基于兴趣（目标）的细粒度话题分析 问题描...

Temporal Context-Aware Model在前面，这篇论文提到文章“TimeUserLDA”model，并指出模型assumes that user posting behaviors are influenced by both user interest and global topic trends，即讲用户的post行为也分为两个因素，但是模型将两类话题映射到同一个潜在话...

 bayes推断最麻烦的就是对概率密度的计算，相比较于MCMC算法，VI具有更快的速度，也更能理解——我们需要近似出概率密度。首先假象一个密度簇，然后找到对应的组成部分，接近目标，KL散度用来评估，需要不断优化。 在贝叶斯统计中，未知量的计算都可以看作（涉及）后验概率密度的推断，p(z, x) = p(z)p(x | z). 先验和似然的乘积得到全概率。 对比采样，我们的主要实...

Improving Topic Models with Latent Feature Word Representatio 先介绍了LDA和DMM两种模型，其中DMM比较独特，因为他假设文档只有一个话题，即单个文档中所有单词的多项式分布是一致的（对应于一个话题），所以生成过程是，先为文档生成话题，然后基于该话题分布生成单词。Θ是K维的向量，而不是K*D的矩阵。 这篇文章结合预先训练...

今天看三篇文章：一，实时词共现的微博话题发现话题分布的两种方法，LDA（概率）和聚类。其中，wordgraph就是聚类方法，结合single-pass过程，基于信息的流时序特征和上下文相关度，探听新话题的产生和话题的演变。这篇文章基于图模型，词共现图和single-pass思想结合。词共现网络的构建基于单词x，y同时出现在一句话中，即现有单词集合和词关系矩阵，结合时间系数权重计算。构造...

主要两个重点，分布式和流处理，其模型主要的思想和SVB是相同的， 流：后验作为先验，前n-1的数据后验作为n的先验，且只需要保存Nkv的值，加到β上。另有衰减参数， 分：参数服务器模式，Nkv作为全局参数，保存在中心服务器，worker计算结果后，返回并更新参数，异步更新，计算用到Nkv和Wt，以及α先验。 话题模型中需要的主要三个参数，分别是Nkd，Nkv，Nk，其中Nk...

SDA贝叶斯框架包括三个部分（内容），分别是流式计算，分布式处理和异步更新的贝叶斯推断模型。为了可以满足普遍性，需要本地化的近似函数A，给定了全局参数先验和并实现了A，SDA框架就可以运行了。那么，分别介绍这三个主要内容吧！ 1， Streaming updating考虑贝叶斯规则，假设数据C1=｛x1，x2，...，xs｝：P（Θ1|C1）=先验*释然/观测量假设我们的数据是批量...

记录两个学习档案：https://www.leiphone.com/news/201703/cUbfLxKPgy7ecqku.html https://www.leiphone.com/news/201703/djm3u9LLqylr3C8N.html?type=preview希望有生之年能够看懂吧！！更希望可以看懂Streaming Variant Bayes。我现在是概率贝叶斯学派...

 作者提供了数据和代码（不是很多）：https://goo.gl/uee3QK按照惯例，不解释技术细节，只介绍文章的问题和方法，先看图：location-based dynamic sentiment-topic model (LDST)——考虑了地点，情感和话题的动态模型（动态主要提现在地点的变化，引起的情感和话题的变化）论文假设存在作者，地点和文档集合，对于特定时间戳，利用...

这篇文章的应用场景（问题）是针对当个账号对应多个用户的情况，现实的举例为网络电视中，家庭账号，所有成员使用。如果可以识别出用户，可以可以从基于账号的服务改变为基于用户的服务——学习系统需要知道用户数量，但是不知道哪个用户在线（active）——作者基于LDA模型，联合构建用户的item consumption profile和time consumption profile，从而识别用户。 ...

IR-web search 领域的用户表示，考虑用户检索的主题和行为分析（后者很有参考意义） 潜在变量模型，表示用户信息，同时构建（build）用户数据（user profile）有助于基于服务的个性化。即结合了用户的话题兴趣和检索任务行为（coupling user topical interests with their search task behavior）——基于任务的用户...

一篇看了三天的文章，不是因为文章本身的难易程度，而是我个人的执行效率太慢了。论文地址首先，这篇文章的问题是要对用户的发表的短文生成摘要，选择最具代表性的推文，其实关注用户兴趣的变化和迁移。为了实现，(a) novelty (b) coverage 和 (c) diversity 等要求，结合了协同过滤的方法和用户兴趣来源于“社交圈”的假设。“社交圈”说明类似于“ego network”，即...

将文档的群组信息，也结合到话题建模的过程中，考虑到多层次的LDA，构成了文档、群组和语料库的话题分布层次。当群组的个数已知的时候，群组生成是c维度的概率向量，联合分布概率可以表示为：单词w，话题z和群组c：这里Nwt为单词分配为话题t的个数，Ntd为文档中话题t的个数，Nc为群组c中的话题个数。可以知道，这里每个文档只有一个群组标签，所以有生成概率为：所以得到分布：且：...

论文 SIGir14的一篇短文：结合term权重和用户的重要程度的话题模型，用以事件的提取：算法上，将term权重（卡方验证和频率）与单词采样结合；用户得分（HITS的重要用户和活跃用户）和话题采样结合。思路很直观，效果也还可以，考虑到这个问题：是否可以将用户影响力和话题建模结合起来。 引用文献中：ACL`12的文章“Finding Bursty Topics ...

 利用用户医疗文本挖掘用户个人疾病相关的事件，这个系统，流水线模式：1，时间提取 -》 event extraction2，时间线结构生成 -》 temporal tagger and resolver首先是基于term的相关文本探测和过滤，然后根据相关文本对term进行优化（互相吸收过滤），最后进行聚类（用到lda，word2vec）等方法；然后是时序的生成，采用了时序表达的...

很久没有看论文了，今天看一下“life event identification using semantic and syntactic graph”。 问题：generate brief automated biographies for the users based on their generated content困难： amount，mention a life even...

开始没有仔细看的时候，也不懂MRF的应用，学习细节才知道重点。论文简单描述MRF-LDA的场景：首先，假设话题的粉笔θ，以及单词分布β都服从狄利克雷分布，每个单词具有话题标签z。提取单词的关联关系，主要是语义的相似性，用来学习话题的一致性。所以用到了MRF，在潜在话题层。给定文档d和N单词，判断单词对（根据外部知识）创建无向边连接他们的话题标签，获取图G和单词标签。如下图的5个节点，4条边...

北航的同行，去年连续发了三篇论文，都是和短文本处理相关的。链接分别是：第一篇，用到co-occurrance第二篇1  ， 第三篇，用替代文本（伪文档）代替话题和短句 第一篇，将短文本和场文本的分类区别开：A topic model for co-occurring normal document  and short texts其基本思想是，短文本除了有基础话题（fo...

这篇文章的精髓，大约在这几句话：（胜率tweet相关性判断部分）While expanding the content of the tweets using external documents seems to be ideal.....expanding the tweet content by adding the words from the related tweets（解决稀疏性...

收藏：模型建立：http://blog.youkuaiyun.com/happyer88/article/details/45936107变量求解：http://blog.youkuaiyun.com/happyer88/article/details/46405399/变分推断：http://blog.youkuaiyun.com/happyer88/article/details/46438111/模型参数：ht...

BTM 模型的变种，思路是解决BTM的两个基本问题：1，话题个数不确定，需要手动设置；2，没有区分biterm的类型，即general和topical话题。采用的方法有为：对于问题1，利用中国餐馆问题，crp，动态的生成话题（类似HDP?）；对于问题2，通过PMI，单词对互信息量评价单词的相关性，其假设为topical单词的互信息量更高。——借鉴意义：话题确实需要细化，个数？类型？——提到...

处理短文本的主要两种思路：1，基于隐藏特征或统计信息的特征空间拓展；2，基于外部资源 本文提出的方法依然是基于第二种，引入外部数据 利用新的数据概念图谱数据库，对短文本信息进行概念拓展，基于概念特征空间，对文本进行聚类，结合集成学习的方法训练分类器，聚类作为话题研究，话题的相似度判断话题的迁移。 总结：思路和方法都很清楚，虽然觉得内容并不算很多，但是其中的概念图谱数据库Pr...