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2T2T2T，而还是TTT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。

Incorporating Lexical Priors into Topic Models(即交互式主题模型的应用)论文阅读相关推荐

【论文笔记8】Tree-Structured Neural Topic Model (分层神经主题模型 / TSNTM)
Tree-Structured Neural Topic Model 树结构的神经主题模型论文概述题目:Tree-Structured Neural Topic Model 作者:Masaru I ...
论文：lda2vev:Mixing Dirichlet Topic Models and Word Embeddings to Make lda2vec
lda2vev:Mixing Dirichlet Topic Models and Word Embeddings to Make lda2vec 论文概述 ABSTRACT Introduction ...
论文阅读《Bidirectional LSTM-CRF Models for Sequence Tagging》
论文地址:<Bidirectional LSTM-CRF Models for Sequence Tagging> 文章目录论文阅读研究背景 BI-LSTM-CRF 网络训练流程实 ...
主题模型简介（Topic Models）
主题模型简介(Topic Models) 要想更好地管理当今爆炸式的电子文档档案,需要使用新的技术或工具来处理自动组织.搜索.索引和浏览大型电子文档集合.在当今机器学习和统计学研究的基础上,利用层次概 ...
主题模型（topic models）总结
主题模型(topic models)总结相关主题模型(CTM)是一种用于自然语言处理和机器学习的统计模型.相关主题模型(CTM)用于发现一组文档中显示的主题. CTM的关键是logistic正态分布 ...
主题模型（topic models）解释及评估
主题模型(topic models)解释及评估目录主题模型(topic models)解释及评估主题解释及评估展示主题标记主题<
词袋模型（bag of words）构建并使用主题模型(topic models)特征进行文本聚类分析(clustering analysis)实战
词袋模型(bag of words)构建并使用主题模型(topic models)特征进行文本聚类分析(clustering analysis)实战目录
Dynamic Topic Models的Python实现
Dynamic Topic Models的Python实现 Dynamic Topic Models(DTM)简介 Dynamic Topic Models的实现数据与预处理 Python实现 Dy ...
主题模型结合词向量模型(Improving Topic Models with Latent Feature Word Representations)
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 Nguyen D Q, Billingsley ...

Incorporating Lexical Priors into Topic Models(即交互式主题模型的应用)论文阅读

文章目录