摘要
具有层次结构的依赖数据通常来自于各种应用,由于依赖结构建模的复杂性和计算强度,对此类数据的分析往往具有挑战性。本文提出了一种贝叶斯层次连接词模型(BHCM)来适应依赖数据的层次结构,其中主题级依赖由基于连接词的模型建模,层次结构由随机依赖参数描述。我们介绍了一种用于进行贝叶斯推断的分层抽样方案。我们提出的BHCM具有建模各种复杂关联结构的灵活性,同时保持可管理的计算。大量的仿真研究表明,在各种有限样本设置下,我们提出的估计器优于传统的基于相似hood的估计员。我们应用BHCM分析UCI机器学习库中的脊椎柱数据集。
引文
下载引文
庄浩欣。
利群刁。
Grace Y.Yi。
“贝叶斯层次连接模型。”
电子。J.统计。
14
(2)
4457 - 4488,
2020
https://doi.org/10.1214/20-EJS1784
问询处
收到日期:2020年7月1日;发布日期:2020年
首次在欧几里得项目中提供:2020年12月31日
数字对象标识符:10.1214/20-EJS1784
关键词:贝叶斯层次模型,连接线,相关性建模,MCMC公司