| 基于变分自动编码器的动态主题模型 |
| |
| 引用本文： | 孙 凌,韩立新,勾智楠. 基于变分自动编码器的动态主题模型[J]. 河北工业科技, 2017, 34(6): 421-427 |
| |
| 作者姓名： | 孙 凌 韩立新 勾智楠 |
| |
| 作者单位： | ;1.河海大学计算机与信息学院 |
| |
| 基金项目： | 江苏省研究生科研与实践创新计划项目(KYCX17_0486)；中央高校基本科研业务费专项资金（2017B708X14）；福建省信息处理与智能控制重点实验室(闽江学院)开放课题(MJUKF201740) |
| |
| 摘 要： | 传统动态主题模型的后验分布推断需要复杂的推理过程,仅模型假设的细微变化就需要重新进行推断,时间成本较高,制约了模型的可变性和通用性。为了提高动态主题模型的性能,提出了基于变分自动编码器融合动态因子图进行推断的动态主题模型。该模型对变分下界进行再参数化,生成一个下界估计器,将隐变量转换为一组辅助参数,使得新的参数不依赖于变分参数,用标准随机梯度下降法直接优化变分目标,同时融合动态因子图对状态空间模型进行建模,弱化推断的概率特性,简化优化过程,实现有效的推断。结果表明,提出的模型不仅保证了准确性,而且其简化模型有效降低了推断的时间成本,从而为动态主题模型能有效应用于复杂的时间场景提供更多可能。
|
| 关 键 词： | 计算机神经网络 动态主题模型 变分自动编码器 动态因子图 参数 |
| 收稿时间： | 2017-08-28 |
| 修稿时间： | 2017-10-17 |
Dynamic topic model based on variational autoencoder |
| |
| SUN Ling,HAN Lixin and GOU Zhinan. Dynamic topic model based on variational autoencoder[J]. Hebei Journal of Industrial Science & Technology, 2017, 34(6): 421-427 |
| |
| Authors: | SUN Ling HAN Lixin GOU Zhinan |
| |
| Abstract: | |
| |
| Keywords: | neural network dynamic topic model variational autoencoder dynamic factor graph parameter |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《河北工业科技》浏览原始摘要信息 |
|
点击此处可从《河北工业科技》下载免费的PDF全文 |
|
