Large-Scale Evaluation of Topic Models and Dimensionality Reduction Methods for 2D Text Spatialization

计算机科学 降维 空间化 维数之咒 水准点(测量) 人工智能 主题模型 集合(抽象数据类型) 语料库 机器学习 数据挖掘 自然语言处理 模式识别(心理学) 大地测量学 社会学 人类学 程序设计语言 地理
作者
Daniel Atzberger,Tim Cech,Matthias Trapp,Rico Richter,Willy Scheibel,Jürgen Döllner,Tobias Schreck
出处
期刊:IEEE Transactions on Visualization and Computer Graphics [Institute of Electrical and Electronics Engineers]
卷期号:: 1-11 被引量:4
标识
DOI:10.1109/tvcg.2023.3326569
摘要

Topic models are a class of unsupervised learning algorithms for detecting the semantic structure within a text corpus. Together with a subsequent dimensionality reduction algorithm, topic models can be used for deriving spatializations for text corpora as two-dimensional scatter plots, reflecting semantic similarity between the documents and supporting corpus analysis. Although the choice of the topic model, the dimensionality reduction, and their underlying hyperparameters significantly impact the resulting layout, it is unknown which particular combinations result in high-quality layouts with respect to accuracy and perception metrics. To investigate the effectiveness of topic models and dimensionality reduction methods for the spatialization of corpora as two-dimensional scatter plots (or basis for landscape-type visualizations), we present a large-scale, benchmark-based computational evaluation. Our evaluation consists of (1) a set of corpora, (2) a set of layout algorithms that are combinations of topic models and dimensionality reductions, and (3) quality metrics for quantifying the resulting layout. The corpora are given as document-term matrices, and each document is assigned to a thematic class. The chosen metrics quantify the preservation of local and global properties and the perceptual effectiveness of the two-dimensional scatter plots. By evaluating the benchmark on a computing cluster, we derived a multivariate dataset with over 45 000 individual layouts and corresponding quality metrics. Based on the results, we propose guidelines for the effective design of text spatializations that are based on topic models and dimensionality reductions. As a main result, we show that interpretable topic models are beneficial for capturing the structure of text corpora. We furthermore recommend the use of t-SNE as a subsequent dimensionality reduction.
最长约 10秒,即可获得该文献文件

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
范玉平完成签到,获得积分10
3秒前
李凤凤完成签到 ,获得积分10
3秒前
听风暖完成签到 ,获得积分10
5秒前
Sid完成签到,获得积分10
5秒前
文龙完成签到 ,获得积分10
5秒前
祈祈完成签到 ,获得积分10
6秒前
ajiduo完成签到 ,获得积分10
7秒前
7秒前
啦啦啦啦完成签到 ,获得积分10
7秒前
纯真的冰蓝完成签到 ,获得积分10
8秒前
Lj完成签到,获得积分10
10秒前
zhong完成签到,获得积分10
10秒前
courage完成签到 ,获得积分10
16秒前
缓慢白曼完成签到 ,获得积分10
18秒前
大尧子完成签到 ,获得积分10
20秒前
wanghao完成签到 ,获得积分10
20秒前
英俊的铭应助2Y采纳,获得10
24秒前
陆黑暗完成签到 ,获得积分10
25秒前
rice0601完成签到,获得积分10
26秒前
28秒前
风风完成签到 ,获得积分10
31秒前
阳光友蕊完成签到 ,获得积分10
33秒前
Libgenxxxx完成签到,获得积分10
33秒前
开心的人杰完成签到,获得积分10
34秒前
lxhhh完成签到,获得积分10
35秒前
ccy2023完成签到 ,获得积分10
39秒前
是我不得开心妍完成签到 ,获得积分10
44秒前
小蘑菇应助稳重的蜜蜂采纳,获得10
44秒前
46秒前
C2750完成签到,获得积分10
46秒前
畅快山兰完成签到 ,获得积分10
49秒前
收拾完完成签到 ,获得积分10
52秒前
EE完成签到 ,获得积分10
54秒前
huangqian完成签到,获得积分10
55秒前
petrichor完成签到,获得积分10
56秒前
李骁完成签到 ,获得积分10
58秒前
田様应助民族风采纳,获得10
1分钟前
HTY完成签到 ,获得积分10
1分钟前
聪明小丸子完成签到,获得积分10
1分钟前
jin1233完成签到 ,获得积分10
1分钟前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
Ribozymes and aptamers in the RNA world, and in synthetic biology 500
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 3180028
求助须知:如何正确求助?哪些是违规求助? 2830388
关于积分的说明 7976586
捐赠科研通 2491954
什么是DOI,文献DOI怎么找? 1329130
科研通“疑难数据库(出版商)”最低求助积分说明 635669
版权声明 602954