PLSA

PLSA主题模型的EM算法推导

看论文顺便粗略学习了EM算法和PLSA主题模型，鉴于刚入门，本文不对其原理进行深入探讨，主要针对其中的公式推导详细说明一下。
Bahuia·2017-07-17 22:46

Notes—LDA中的gamma函数和几个分布

41209515（详细推导见该链接）LDA模型中用到的数学知识：一个函数：gamma函数四个分布：二项分布、多项分布、beta分布、Dirichlet分布一个概念和一个理念：共轭先验和贝叶斯框架两个模型：pLSA
code_caq·2017-06-03 10:24

神奇的LDA主题模型

之前有说过pLSA模型，这是一个链式模型，这个模型能够快速生成主题，但是也有它的不足之处（毕竟是1999年左右提出的嘛！），一个很致命的缺点就是不能解决一词多义的问题。
杰伦哎呦哎呦·2017-04-27 23:57

MCMC 和Gibbs Sampling采样

我第一次遇到GibbsSampling是在pLSA（潜在语义分析）模型之中，而且pLSA模型还用到了一个有价值的算法应该：EM（最大期望）算法，以后希望能详细说一下这个算法。
杰伦哎呦哎呦·2017-04-27 21:30

主题模型lda源码阅读

最近一段时间学习了主题模型，主要是plsa和lda，本来打算也写一下plsa的，不过发现网上有一篇非常好的博文就直接转载了(还是懒。。)，然后就只写下lda吧。。
kidgin7439·2017-04-27 14:10

EM算法学习笔记与三硬币模型推导

最近接触了pLSA模型，由于该模型中引入了主题作为隐变量，所以需要使用期望最大化（ExpectationMaximization）算法求解。
AnneQiQi·2017-03-21 12:04

小辣鸡尝试语义分析

突然就接到任务要做这个，我当时是懵逼的……好吧就这样开始了在问了matlab老师和侯老师之后，有了一点想法了……然后开始尝试我们有的是poi的数据先是进行词频统计，然后用plsa算法来进行一个相关性的实验推荐一个好的算法实现
axuanfighting·2016-11-01 21:04

用Mxnet实现矩阵分解

在《关于LDA,pLSA,SVD,Word2Vec的一些看法》一文中我们提到了SVD的算法。之前TensorFlow刚出来时，就听说可以很容易的用TF实现这个算法（参考这篇文章）。
xlvector·2016-06-19 22:57

主题模型分析模型——pLSA

基于概率统计的pLSA模型（probabilisticLatentSemanticAnalysis，概率隐语义分析），增加了主题模型，形成简单的贝叶斯网络，可以使用EM算法学习模型参数。
努力是一种幸运·2016-05-25 23:34

LDA（一）：LDA前身PLSA介绍与推导

PLSA介绍与推导：概率隐语义分析（PLSA）是一个著名的针对文本建模的模型，是一个生成模型。因为加入了主题模型，所以可以很大程度上改善多词一义和一词多义的问题。
Cins侯卓·2016-05-21 13:21

本文建模系列值三：LDA感悟

和之前的pLSA文本模型相比，LDA算是贝叶斯观点的pLSA,所谓贝叶斯观点，就是什么都是不确定的，不像pLSA中的p(z|d)，虽然是个隐变量，但是还是确定的值，然而对于贝叶斯学派观点，其概率是不确定的
u010223750·2016-05-06 21:00

文本建模系列之二：pLSA

还是这句话，这是业余研究生的文本建模系列之二：关于pLSA。前述就到此。 
u010223750·2016-05-06 21:00

文本建模系列之一：LSA

文本建模是自然语言处理领域中很基础的内容，而且也已经被研究了千万遍，这个系列我主要的思路是从LSA->pLSA->unigrammodel->LDA，其中pLSA和LDA都是主
u010223750·2016-05-06 21:00

使用ZwQueryVirtualMemory枚举进程模块支持x64

typedefstruct_LSA_UNICODE_STRING{ USHORTLength; USHORTMaximumLength; PWSTRBuffer; }LSA_UNICODE_STRING,*PLSA_UNICODE_STRING
zhuhuibeishadiao·2016-05-02 02:00

本文建模系列值三：LDA感悟

和之前的pLSA文本模型相比，LDA算是贝叶斯观点的pLSA,所谓贝叶斯观点，就是什么都是不确定的，不像pLSA中的p(z|d)，虽然是个隐变量，但是还是确定的值，然而对于贝叶斯学派观点，其概率是不确定的
u010223750·2016-04-27 23:00

文本建模系列之二：pLSA

还是这句话，这是业余研究生的文本建模系列之二：关于pLSA。前述就到此。 
u010223750·2016-04-26 20:00

文本建模系列之一：LSA

文本建模是自然语言处理领域中很基础的内容，而且也已经被研究了千万遍，这个系列我主要的思路是从LSA->pLSA->unigrammodel->LDA，其中pLSA和LDA都是主
u010223750·2016-04-26 16:00

文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计

以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。这类语言模型一般都是对文本的生成过程提出自己的概率图模型，然后利用观察到的语料数据对模型参数做估计。
littleqqqqq·2016-03-29 19:00

主题模型

每个主题其实是词表上单词的概率分布；2.主题模型是一种生成模型，一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”这样一个过程得到的；3.常见的主题模型有3种：（1）PLSA
zakexu·2016-03-06 11:59

LDA（文档主题模型）

htmlLSAlatentsemanticanalysis映射词-文档到一个低维隐语义空间比较词和文档在低纬空间的相似性topic是Vocab上的概率分布（符合多项式分布）文档到主题的一个分布，主题到词库的分布，通过训练得到这两个分布模型plsa
bamn84711·2016-02-29 17:00

语义分析的一些方法(中篇)

说到主题模型，第一时间会想到pLSA，NMF，LDA。关于这几个目前业界最常用的主题模型，已经有相当多的介绍了，譬如文献[60，64]。在这里
xinshen1860·2015-12-22 23:00

分布式机器学习的故事

一个新时代起源价值评价标准pLSA和MPILDA和MapReduceRephil和MapReduceDocker改变世界Dockerboot2dockerCoreOSGo语言交叉编译极简版搜索引擎创建集装箱分布式系统的部署集成测试自动部署论文发表了一个新时代著作权归作者所有
u012176591·2015-12-11 23:00

LDA-math-LDA 文本建模

LDA 文本建模 5.1 游戏规则 对于上述的 PLSA 模型，贝叶斯学派显然是有意见的，doc-topic 骰子θ→m和 topic-word 骰子φ→k都是模型中的参数，参数都是随机变量，怎么能没有先验分布呢
·2015-11-13 10:08

Notes on Probabilistic Latent Semantic Analysis (PLSA)

转自： http://www.hongliangjie.com/2010/01/04/notes-on-probabilistic-latent-semantic-analysis-plsa/ I
·2015-11-13 10:01

PLSA中的EM算法

Note on EM Algorithm for Probabilistic Latent SemanticAnalysis（翟成祥的NOTE） A Note on EM Algorithm and PLSA
·2015-11-13 10:00

Probabilistic latent semantic analysis

Probabilistic latent semantic analysis (PLSA), also known as probabilistic latent semantic indexing
·2015-11-12 18:34

Topic model的变种及其应用［1］

他们关于Topic model的大多数工作，都是基于PLSA的变形，然后EM求解。 这里面，他们有两点
·2015-11-12 16:21

令人费解的编译错误：error C2144: syntax error : 'double' should be preceded by ';' 和 error C3646: '；' : unknown override specifier

今天编程莫名其妙的出现了以下两个编译错误： 1>e:\日常学习\plsa_nmf\plsa_nmf\sutil.h(10): error C3646: '；' : unknown override
·2015-11-12 10:13

主题模型

pLSA:ProbabilisticLatentSemanticAnalysis概率模型不够完备；随着文档和词的个数的增加，模型变得越来越庞大；在文档层面没有一个统计模型；EM算法需要反复迭代，计算量也很大
u012176591·2015-11-09 00:00

机器学习复习——pLSA、LDA

pLSA:pLSA由LSA发展过来，而早期LSA的实现主要是通过SVD分解。
renyp8799·2015-11-05 16:00

PLSA的EM推导

本文作为em算法在图模型中的一个应用，推导plsa的em算法。 1 em算法 em算法是解决一类带有隐变量模型的参数估计问题。 1.1 模型的定义 输入样本为，对应的隐变量为。
·2015-10-31 11:28

PLSA详解

pLSA的原理理解 　　首先，我们直接来看一下pLSA是一个什么东西，从简单入手。不去管参数计算的问题，先弄明白pLSA的目的再说。 　　
·2015-10-30 11:48

最大似然估计、MAP及贝叶斯估计

http://blog.csdn.net/yangliuy/article/details/8296481以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。
winone361·2015-10-30 09:00

PLSA算法

文章分类:综合技术 1. 引子 Bag-of-Words 模型是NLP和IR领域中的一个基本假设。在这个模型中，一个文档(document)被表示为一组单词(word/term)的无序组合，而忽略了语法 或者词序的部分。BOW在传统NLP领域取得了巨大的成功，在计算机视觉领域(Computer Vision)也开始崭露头角，但在实际应用过程中，它却有一些不可避免的缺陷，比如： 稀疏性
·2015-10-27 13:36

c++11中的static

超赞的线程安全的初始化 static plsa::PLSAModel& model() { static plsa::PLSAModel _model = ([&]() {
·2015-10-21 10:30

SVM&TSVM&LSA(I)→PLSA(I)→LDA→HDP

SVM&TSVM&LSA(I)→PLSA(I)→LDA→HDPSVM（用于监督学习）参考文章：SVM（支持向量机）详解通俗来讲，SVM是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器
gsp_2015·2015-10-16 16:42

基于PLSA主题模型的文本聚类

杂谈：当年未竟之遗憾，小段代码笔记。当时苦思冥想未解当中奥妙，如今轻松信手拈来，丝毫不费力气。感叹机缘未到纵使踏破铁鞋也无用，转角回眸，那人却在灯火阑珊处。需求分析       文本聚类如果使用传统空间向量模型，很难解决同义词、多义词的情况，例如“这款苹果多少钱？”询问的是“手机iphone”而不是“水果Apple”。这时我们可以考虑从词汇的隐含语义、文本的隐含主题方面来入手解决问题。特征表示  
初雪之音·2015-09-29 20:00

文本语言模型的参数估计方法--最大似然估计、MAP、贝叶斯估计

转自：http://blog.csdn.net/woshizhouxiang/article/details/17556241重点在掌握模型参数估计的方法，实现模型的优化 以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题
lynnucas·2015-08-24 10:00

《textanalytics》课程简单总结（4）：课程总结

最后讲了文本分类，和plsa的几种变形，包括：opinionmining和sentimentanalysis：OrdinalLogisticRegressionopinionmining和sentimentanalysis
mmc2015·2015-07-19 09:00

机器学习 之 LDA主题模型

先放上来大神学习LDA的五个步骤：1.一个函数：gamma函数2.四个分布：二项分布、多项分布、beta分布、Dirichlet分布3.一个概念和一个理念：共轭先验和贝叶斯框架4.两个模型：pLSA、LDA5
claire_bear7·2015-07-06 23:13

语义分析的一些方法(中篇)

说到主题模型，第一时间会想到pLSA，NMF，LDA。关于这几个目前业界最常用的主题模型，已经有相当多的介绍了，譬如文献[60，64]。
haidao2009·2015-06-02 10:00

PLSA模型

1、PLSA的公式表达(两种)在“主题模型TopicModel”一文中已经说明了从生成模型的角度如何看待主题模型。
Chrisdy·2015-05-30 13:00

概念主题模型简记

主要包括以下几个模型：LSA(latentsemanticanalysis)、PLSA(probabilitylatentsemanticanalysis)、LDA(latentdirichletallocation
Lu597203933·2015-05-23 13:00

文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计

转自：http://blog.csdn.net/yangliuy/article/details/8296481以PLSA和LDA为代表的文本语言模型是当今统计自然语言处理研究的热点问题。
Lu597203933·2015-05-23 12:00

LDA文本建模（3）——pLSA模型和LDA模型

统计文本建模的问题就是：追问这些观察到的语料库中的词序列是如何生成的。1）LDA文本建模（1-2）里应该明白的结论beta分布是二项式分布的共轭先验概率分布： “对于非负实数和，我们有如下关系------------------（1）  其中对应的是二项分布的计数。针对于这种观测到的数据符合二项分布，参数的先验分布和后验分布都是Beta分布的情况，就是Beta-Binomial共轭。”狄利克雷分布
mmc2015·2015-04-12 16:00

LDA PLSA 比较总结

下面内容总结自博客http://blog.csdn.net/v_july_v/article/details/41209515和http://blog.csdn.net/hxxiaopei/article/details/7617838以及百度百科首先介绍主题模型的概念：顾名思义，主题模型是对文本隐含主题的建模。ＰLSA和LDA都是文档主题生成模型，包含词，主题和文档三层结构，该模型可以将文档集中
Do_Cool_Thing·2015-03-05 13:54

语义分析的一些方法(二)

说到主题模型，第一时间会想到pLSA，NMF，LDA。关于这几个目前业界最常用的主题模型，已经有相当多的介绍了，譬如文献[60，64]。在这里，主要想聊一下主题模型的应用以及最新进展(考虑到LD
wbj0110·2015-02-11 13:00

语义分析的一些方法(二)

说到主题模型，第一时间会想到pLSA，NMF，LDA。关于这几个目前业界最常用的主题模型，已经有相当多的介绍了，譬如文献[60，64]。在这里，主要想聊一下主题模型的应用以及最新进展(考虑到LD
wbj0110·2015-02-11 13:00

语义分析的一些方法(二)

说到主题模型，第一时间会想到pLSA，NMF，LDA。关于这几个目前业界最常用的主题模型，已经有相当多的介绍了，譬如文献[60，64]。在这里，主要想聊一下主题模型的应用以及最新进展(考虑到LD
wbj0110·2015-02-11 13:00

SVD矩阵奇异值分解 && LSA潜语义分析算法 && PLSA

SVD分解SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是因为SVD可以说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章。本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。基础知识1.矩阵的秩：矩阵的秩是矩
zkl99999·2015-02-05 08:00
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他