本文作者:合肥工业大学 管理学院 钱洋 email:1563178220@qq.com 内容可能有不到之处,欢迎交流。
未经本人允许禁止转载。
论文来源
论文来自于自然语言处理会议ACL
Jagarlamudi J, Daumé III H, Udupa R. Incorporating lexical priors into topic models[C]//Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics. Association for Computational Linguistics, 2012: 204-213.
这篇论文中,提供了三个模型,都是交互式主题模型,该篇论文的模型在一些管理学顶级期刊上的论文中,皆有看到。例如:
Puranam D, Narayan V, Kadiyali V. The effect of calorie posting regulation on consumer opinion: a flexible Latent Dirichlet Allocation model with informative priors[J]. Marketing Science, 2017, 36(5): 726-746.
Toubia O, Iyengar G, Bunnell R, et al. Extracting Features of Entertainment Products: A Guided Latent Dirichlet Allocation Approach Informed by the Psychology of Media Consumption[J]. Journal of Marketing Research, 2018: 0022243718820559.
应用场景及模型
交互式主题模型,个人认为只适应于科研领域,对于工业领域肯定不行。原因是其需要用户提供一些内容,例如种子词汇。但对于科研来说,其优势很大,主要是其可以使获得的主题更具意义,更有说明性(这对论文的创新点很有帮助)。
第一个模型
在作者的论文中,一共提供了三个模型。
这是第一个模型,其可以对每个主题的词汇初始化,即设置一些词汇(主要针对的是主题词分布)。模型的生成过程较为简单,如下图所示:
在这里需要注意的是,主题模型产生的主题数目并不是
2
T
2T
2T,而还是
T
T
T个主题。即下图标红的地方最后还是要合并的。
合并公式如下:
第二个模型
第二个模型,针对的是文档的主题分布。模型如下:
其生成过程如下:
这里一个非常重要的点,是引入了group的概念。
第三个模型
作者的第三个模型是前两个模型的结合体。
模型应用
该模型,在18年被应用到管理学顶刊上,如下:
Toubia O, Iyengar G, Bunnell R, et al. Extracting Features of Entertainment Products: A Guided Latent Dirichlet Allocation Approach Informed by the Psychology of Media Consumption[J]. Journal of Marketing Research, 2018: 0022243718820559.
其主要动机如下:
即利用第一个模型,生成娱乐产品的主题词分布。在应用模型的过程中,作者使用了心理学的内容,即主题和种子词汇来源与正向心理学划分。使用该模型,可以得到每个电影的主题分布,之后作者利用这个主题分布,来作为content-based/hybrid方法的输入。