Modeling General and Specific Aspects of Documents with a Probabilistic Topic Model

概率逻辑 计算机科学 数据科学 人工智能
作者
Chaitanya Chemudugunta,Padhraic Smyth,Mark Steyvers
出处
期刊:The MIT Press eBooks [The MIT Press]
卷期号:: 241-248 被引量:183
标识
DOI:10.7551/mitpress/7503.003.0035
摘要

Techniques such as probabilistic topic models and latent-semantic indexing have been shown to be broadly useful at automatically extracting the topical or semantic content of documents, or more generally for dimension-reduction of sparse count data. These types of models and algorithms can be viewed as generating an abstraction from the words in a document to a lower-dimensional latent variable representation that captures what the document is generally about beyond the specific words it contains. In this paper we propose a new probabilistic model that tempers this approach by representing each document as a combination of (a) a background distribution over common words, (b) a mixture distribution over general topics, and (c) a distribution over words that are treated as being specific to that document. We illustrate how this model can be used for information retrieval by matching documents both at a general topic level and at a specific word level, providing an advantage over techniques that only match documents at a general level (such as topic models or latent-sematic indexing) or that only match documents at the specific word level (such as TF-IDF).

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
殷勤的梦秋完成签到,获得积分10
刚刚
bwh完成签到,获得积分10
刚刚
1秒前
caigc完成签到,获得积分10
1秒前
聪慧听南完成签到,获得积分10
1秒前
ptjam完成签到,获得积分10
1秒前
科研通AI2S应助科研通管家采纳,获得10
1秒前
斯文败类应助科研通管家采纳,获得10
1秒前
Akim应助樊忘幽采纳,获得30
1秒前
罗_应助科研通管家采纳,获得20
1秒前
陈军应助科研通管家采纳,获得20
2秒前
星辰大海应助科研通管家采纳,获得30
2秒前
Cactus应助科研通管家采纳,获得10
2秒前
桐桐应助科研通管家采纳,获得10
2秒前
CH应助科研通管家采纳,获得10
2秒前
coolru完成签到,获得积分10
2秒前
充电宝应助科研通管家采纳,获得10
2秒前
细心香烟完成签到 ,获得积分10
2秒前
2秒前
2秒前
3秒前
hhh完成签到,获得积分10
3秒前
3秒前
大力的乐曲完成签到,获得积分10
4秒前
杰尼龟完成签到,获得积分10
4秒前
干净问筠完成签到 ,获得积分10
4秒前
Lucas应助chenyu采纳,获得10
4秒前
立里完成签到,获得积分10
4秒前
慧海拾穗完成签到 ,获得积分10
5秒前
寻道图强应助caigc采纳,获得30
5秒前
可靠的雁山完成签到,获得积分20
5秒前
coolru发布了新的文献求助50
6秒前
柑橘完成签到,获得积分10
6秒前
巨人的背影完成签到,获得积分10
6秒前
6秒前
nicole发布了新的文献求助10
7秒前
7秒前
宇与鱼完成签到,获得积分10
8秒前
HJZ完成签到,获得积分10
8秒前
淡然白安发布了新的文献求助30
8秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099895
求助须知:如何正确求助?哪些是违规求助? 2751334
关于积分的说明 7613172
捐赠科研通 2403314
什么是DOI,文献DOI怎么找? 1275235
科研通“疑难数据库(出版商)”最低求助积分说明 616318
版权声明 599053