数学 > 统计理论
[提交于 2024年12月31日
]
标题: 基于HOSVD的张量主题建模
标题: Tensor Topic Modeling Via HOSVD
摘要: 通过将文档表示为主题混合,主题建模已经成功地分析了跨越从生态学到遗传学等多个应用领域的数据集。 近期的一项重要工作展示了概率潜在语义索引(pLSI)——一种主题建模类型——在估计主题矩阵(对应于词频分布)和主题分配矩阵方面的计算和统计效率。 然而,这些方法不容易扩展以纳入额外的时间、空间或文档特定的信息,因此可能忽略了在可以表示为张量的空间或纵向数据集分析中潜在的有用信息。 因此,在本文中,我们提出使用修改后的高阶奇异值分解(HOSVD)来基于Tucker分解估计主题模型,从而适应张量数据的复杂性。 我们的方法利用了张量分解在将数据降维到低维空间中的优势,并成功恢复了低秩的主题和聚类结构,以及一个核心张量,该张量突出了潜在因素之间的交互作用。 我们进一步明确描述了该方法在逐元素$\ell_1$范数下的收敛率。 合成数据上的实验表明了我们方法的统计效率及其在多个维度上更好地捕捉模式的能力。 此外,当应用于研究摘要的大规模数据集和阴道微生物组数据分析时,我们的方法也表现良好。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.