基本思想:
1.时间片切分
两种方法:
- 纯粹时间切分
- 按照大小切分,考虑计算情况
2.LDA演化模型
本文用前一时间片的后验概率影响下一时间片的先验概率来保持主题间的连续性。
对影响程度的度量用遗传度W来进行设置。具体为前一时间片计算出的主题-词的后验概率
at-1乘上遗传度W 作为当前时间片的先验概率at,即
at =at-1*W。
直观的解释就是把当前时间片得出的主题-词概率分布的偏好带到下一个时间片,建立在线LDA 主题演化挖掘模型。
图片如下:
LDA演化模型
3.遗传度W定义
Token表示文档集中的词数,注意是标量。这种以词汇数量作为遗传度是否合理?更应该考虑词汇语义的遗传。
对用户设定的权重α 值结合当前和前一时间片的词数进行变换的目的是为了避免语料的突变带来的效果的突变,
这也算作一种数据平滑技术。
4.Gibbs抽样
在线