劳拉·安德鲁奇；辛齐亚·维罗利 短文本数据有监督和无监督分类的Dirichlet多项式分布的混合。 （英语） Zbl 1459.62102号 高级数据分析。分类。，ADAC公司 14，第4号，759-770（2020）. 摘要：短文本数据中的主题检测是一项具有挑战性的任务，因为其表示为高维和极稀疏的文档术语矩阵。在本文中，我们重点讨论了基于文本数据（唯一）主题的分类问题。对于非监督分类，一种流行的称为“单字混合”的方法是在字数上考虑多项分布的混合，每个成分对应不同的主题。多项式分布可以在Dirichlet多项式分布的复合混合之前用Dirichlet-多项式分布轻松地进行扩展，这对于稀疏数据更可取。我们提出了一种梯度下降估计方法来拟合模型，并研究了监督和非监督分类在实际经验问题上的性能。 引用于2文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 68T05型 人工智能中的学习和自适应系统 68单位15 文本处理的计算方法；数学排版 关键词：群集；梯度下降算法；混合物模型；文本数据分析 软件：风险评估；tm（tm） PDF格式BibTeX公司 XML格式引用 \textit{L.Anderlucci}和\textit{C.Viroli}，高级数据分析。分类。，ADAC 14，编号4，759-770（2020；兹bl 1459.62102） 全文： 内政部 参考文献： [1] 安布罗斯，C。；戈沃特，G。；基尔斯，哈尔；Rasson，J-P；格罗南，PJF；Schader，M.，部分已知标签的Em算法，数据分析，分类和相关方法，161-166（2000），柏林：施普林格出版社，柏林·Zbl 1029.62056号 ·doi:10.1007/978-3-642-59789-326 [2] Breiman，L.，《随机森林》，《马赫学习》，第45、1、5-32页（2001年）·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [3] 布雷曼，L。；弗里德曼，J。；Olshen，R。；Stone，C.，《分类和回归树》（1984年），贝尔蒙特：沃兹沃思，贝尔蒙·Zbl 0541.62042号 [4] 科尔特斯，C。；Vapnik，V.，《支持向量网络》，《Mach Learn》，第20、3、273-297页（1995年）·Zbl 0831.68098号 [5] 盖，T。；Hart，P.，最近邻模式分类，IEEE Trans-Inf理论，13，21-27（1967）·兹比尔0154.44505 ·doi:10.1109/TIT.1967.1053964 [6] Feinerer I，Hornik K（2018）tm:text采矿包。R包版本0.7-6 [7] 费内尔，I。；霍尼克，K。；Meyer，D.，R的文本挖掘基础设施，J Stat Softw，25，5，1-54（2008）·doi:10.18637/jss.v025.i05 [8] Hand，D。；Yu，K.，白痴的贝叶斯——毕竟不是那么愚蠢吗？，国际统计修订版，69，385-398（2001）·Zbl 1213.62010年 [9] Harris，ZS，分布结构，Word，10，2-3，146-162（1954）·doi:10.1080/00437956.1954.11659520 [10] 福尔摩斯一世。；哈里斯·K。；Quince，C.，Dirichlet多项式混合物：微生物宏基因组学的生成模型，PLoS ONE，7，2，e30126（2012）·doi:10.1371/journal.pone.0030126 [11] John G，Langley P（1995）估计贝叶斯分类器中的连续分布。摘自：第十一届人工智能不确定性会议记录，第338-345页 [12] A.Khan。；巴哈鲁丁，B。；Lee，LH；Khan，K。；Tronoh，UTP，文本文档分类的机器学习算法综述，J Adv Inf Technol，1,4-20（2010） [13] Ko Y（2012）使用类别信息进行文本分类的术语权重方案研究。主题：SIGIR’12-ACM SIGIR信息检索研究与开发国际会议记录 [14] Kohavi R等人（1995年），精度估计和模型选择的交叉验证和引导研究。摘自：第14届国际人工智能联合会议记录，第2卷。加拿大蒙特利尔，第1137-1145页 [15] Kumbhar，P。；Mali，M.，《高效文本分类的特征选择技术和分类算法研究》，国际科学研究杂志，5，5，9（2016） [16] Lai S，Xu L，Liu K，Zhao J（2015）用于文本分类的递归卷积神经网络。摘自：第二十九届AAAI人工智能会议论文集，AAAI'15。AAAI出版社，第2267-2273页 [17] Nigam，K。；麦卡勒姆，A。；特隆，S。；Mitchell，T.，使用EM对标记和未标记文档进行文本分类，Mach Learn，39103-134（2000）·Zbl 0949.68162号 ·doi:10.1023/A:1007692713085 [18] Rigouste，L。；O·卡佩。；Yvon，F.，文本聚类多项式混合模型的推断和评估，Inf Process Manag，43，5，1260-1280（2007）·doi:10.1016/j.ipm.2006.11.001 [19] Sebastiani，F.，自动文本分类中的机器学习，ACM Compute Surv，34，1，1-47（2002）·doi:10.1145/505282.505283 [20] Tibshirani，R。；哈斯蒂，T。；Narasimhan，B。；Chu，G.，最近收缩质心的类别预测，及其在DNA微阵列中的应用，《统计科学》，18，104-117（2003）·Zbl 1048.62109号 ·doi:10.1214/ss/1056397488 [21] Yin J，Wang J（2014）基于Dirichlet多项式混合模型的短文本聚类方法。摘自：第20届ACM SIGKDD KDDM国际会议论文集，KDD’14，纽约。ACM，第233-242页 [22] 朱，X。；Goldberg，AB，《半监督学习导论》（2009），圣拉斐尔：Morgan&Claypool出版社，圣拉菲尔·Zbl 1209.68435号 ·doi:10.2200/S00196ED1V01Y200906AIM006 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。