latent

Non-negative Matrix Factorization and Probabilistic Latent Semantic Analysis

IntroductionNon-negativeMatrixFactorizationisfrequentlyconfusedwithProbabilisticLatentSemanticAnalysis.Thesetwomethodsareappliedfordocumentclusteringandhavesimilaritiesanddifferences.Thisarticleexplai
u012447220·2013-12-02 13:00

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

原文地址：http://blog.csdn.net/harryhuang1990/article/details/9924377最近在拜读项亮博士的《推荐系统实践》，系统的学习一下推荐系统的相关知识。今天学习了其中的隐语义模型在Top-N推荐中的应用，在此做一个总结。隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主
litoupu·2013-11-25 14:08

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

原文地址：http://blog.csdn.net/harryhuang1990/article/details/9924377最近在拜读项亮博士的《推荐系统实践》，系统的学习一下推荐系统的相关知识。今天学习了其中的隐语义模型在Top-N推荐中的应用，在此做一个总结。隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主
litoupu·2013-11-25 14:00

JGibbLDA：java版本的LDA(Latent Dirichlet Allocation)实现、修改及使用

一、概述JGibbLDA是一个java版本的LDA（Latent Dirichlet Allocation）实现，它使用Gibbs采样来进行快速参数估计和推断。LDA是一种由基于概率模型的聚类算法。
memray·2013-11-18 21:00

mahout中LDA简介以及示例

翻译自： https://cwiki.apache.org/confluence/display/MAHOUT/Latent+Dirichlet+Allocation   简介：
sharp-fcc·2013-11-18 13:00

Latent Semantic Analysis(LSA/ LSI)算法简介

阅读更多本文地址为：http://www.cnblogs.com/kemaswill/，作者联系方式为[email protected],转载请注明出处。1.传统向量空间模型的缺陷向量空间模型是信息检索中最常用的检索方法，其检索过程是，将文档集D中的所有文档和查询都表示成以单词为特征的向量，特征值为每个单词的TF-IDF值，然后使用向量空间模型(亦即计算查询q的向量和每个文档di的向量之间的相似度
san_yun·2013-10-30 11:00

Latent Semantic Analysis(LSA/ LSI)算法简介

本文地址为：http://www.cnblogs.com/kemaswill/，作者联系方式为[email protected],转载请注明出处。 1.传统向量空间模型的缺陷 向量空间模型是信息检索中最常用的检索方法，其检索过程是，将文档集D中的所有文档和查询都表示成以单词为特征的向量，特征值为每个单词的TF-IDF值，然后使用向量空间模型(亦即计算查询q的向量和每个文档di的向量之间的相似度)来
san_yun·2013-10-30 11:00

数学之路(3)-机器学习(3)-机器学习算法-LDA(Latent Dirichlet Allocation)主题模型算法

主题模型算法的计算公式基于条件概率：p(w|d)=p(w|t)*p(t|d)对每个D中的文档d，对应到不同topic的概率θd ，其中，pti表示d对应T中第i个topic的概率。计算方法是直观的，pti=nti/n，其中nti表示d中对应第i个topic的词的数目，n是d中所有词的总数。对每个T中的topict，生成不同单词的概率φt ，其中，pwi表示t生成VOC中第i个单词的概率。计算方法同
u010255642·2013-10-11 16:00

Latent semantic analysis note(LSA)

1LSAIntroductionLSA(latentsemanticanalysis)潜在语义分析，也被称为LSI(latentsemanticindex)，是ScottDeerwester,SusanT.Dumais等人在1990年提出来的一种新的索引和检索方法。该方法和传统向量空间模型(vectorspacemodel)一样使用向量来表示词(terms)和文档(documents)，并通过向量
u010064842·2013-10-07 10:00

latent variable理解

1.typically,latentvariable存在于mixturemodel中2.分为discretelatentvariable和continuouslatentvariable3.相当于indicator，为了便于计算而引入，每个observationdatacorrespondstoalatentvariable4.p(x)=sigma_p(x|z)p(z)，latentvarible
xyqzki·2013-10-02 22:00

Deformable Part Model的学习

v=_J_clwqQ4gImatlab代码实现: http://people.cs.uchicago.edu/~rbg/latent/开源C代码实现: https://github.co
lcj_cjfykx·2013-09-09 08:00

(zz)理解LDA，latent dirichlet allocation- David Blei

若公式显示有问题请复制链接到新TAB重新打开听说国外大牛都认为LDA只是很简单的模型，吾辈一听这话，只能加油了~另外这个大牛写的LDA导读很不错：http://bbs.byr.cn/#!article/PR_AI/2530?p=1一、预备知识：    1.概率密度和二项分布、多项分布，在这里    2.狄利克雷分布，在这里，主要内容摘自《PatternRecognitionandMachineLe
xyqzki·2013-08-31 20:00

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

最近在拜读项亮博士的《推荐系统实践》，系统的学习一下推荐系统的相关知识。今天学习了其中的隐语义模型在Top-N推荐中的应用，在此做一个总结。隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。这些技术一开始都是在文本挖掘领域中提出来的，近些年它们也被不断应用到其他领域中，并得到了不错的应用效果。比如，在推荐系
harryhuang1990·2013-08-12 14:27

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

最近在拜读项亮博士的《推荐系统实践》，系统的学习一下推荐系统的相关知识。今天学习了其中的隐语义模型在Top-N推荐中的应用，在此做一个总结。隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。这些技术一开始都是在文本挖掘领域中提出来的，近些年它们也被不断应用到其他领域中，并得到了不错的应用效果。比如，在推荐系
HarryHuang1990·2013-08-12 14:00

Deformable Part Model的学习

v=_J_clwqQ4gImatlab代码实现: http://people.cs.uchicago.edu/~rbg/latent/开源C代码实现: https://github.co
carson2005·2013-07-31 23:00

机器学习理论与实战（五）支持向量机

他的理论很优美，各种变种改进版本也很多，比如latent-SVM,structural-SVM等。
cuoqu·2013-07-09 23:00

潜语义分析(Latent Semantic Analysis)

LSI(Latentsemanticindexing,潜语义索引）和LSA（Latentsemanticanalysis,潜语义分析）这两个名字其实是一回事。我们这里称为LSA。LSA源自问题：如何从搜索query中找到相关的文档?当我们试图通过比较词来找到相关的文本时，就很机械、存在一定的局限性。在搜索中，文档的相似性并不应该由两个文本包含的词直接决定，而是应该去比较隐藏在词之后的意义和概念。但
intergret·2013-06-30 17:00

【推荐】LSI(latent semantic indexing) 完美教程

【推荐】LSI(latentsemanticindexing)完美教程"insteadoflecturingaboutSVDIwanttoshowyouhowthingswork--stepbystep" --如果大家认同这句话的话，Dr.E.Garcia写的此教程就是最适合你阅读的LSI/LSA教程。原文比较长，直接贴链接了：http://www.miislita.com/information
wangran51·2013-06-05 15:00

【推荐】LSI(latent semantic indexing) 完美教程

【推荐】LSI(latent semantic indexing) 完美教程 "instead of lecturing about SVD I want to show you how
vergilwang·2013-06-05 15:00

Latent Dirichlet Allocation （LDA）- David M.Blei

一、预备知识：    1.概率密度和二项分布、多项分布，在这里    2.狄利克雷分布，在这里，主要内容摘自《PatternRecognitionandMachineLearning》第二章    3.概率图模型，在PRML第九章有很好的介绍二、变量表示：   1.word：word是最基本的离散概念，在自然语言处理的应用中，就是词。我觉得比较泛化的定义应该是观察数据的最基本的离散单元。word的
nanjunxiao·2013-06-03 00:00

Latent Semantic Analysis (LSA) Tutorial

本文转载于：http://www.puffinwarellc.com/index.php/news-and-articles/articles/33-latent-semantic-analysis-tutorial.htmlLSA
pro_panda·2013-05-30 23:54

Latent Semantic Analysis (LSA) Tutorial

本文转载于：http://www.puffinwarellc.com/index.php/news-and-articles/articles/33-latent-semantic-analysis-tutorial.htmlLSA
pro_panda·2013-05-30 23:54

LDA 主题模型（latent dirichlet allocation） 介绍

LDA作用        传统判断两个文档相似性的方法是通过查看两个文档共同出现的单词的多少，如TF-IDF等，这种方法没有考虑到文字背后的语义关联，可能在两个文档共同出现的单词很少甚至没有，但两个文档是相似的。        举个例子，有两个句子分别如下：                “乔布斯离我们而去了。”                “苹果价格会不会降？”        可以看到上面这两
jazywoo123·2013-04-22 23:00

Latent Semantic Analysis(LSA/ LSI)算法简介

 本文地址为：http://www.cnblogs.com/kemaswill/，作者联系方式为[email protected],转载请注明出处。1.传统向量空间模型的缺陷 向量空间模型是信息检索中最常用的检索方法，其检索过程是，将文档集D中的所有文档和查询都表示成以单词为特征的向量，特征值为每个单词的TF-IDF值，然后使用向量空间模型(亦即计算查询q的向量和每个文档di的向量之间的相似度)来
·2013-04-17 22:00

理解 LDA

文章部分来源于以下链接，个人也很推荐.http://www.mblondel.org/journal/2010/08/21/latent-dirichlet-allocation-in-python/http
workerwu·2013-04-16 06:00

Object Recognition and Scene Understanding（八）Matlab中Latent SVM model参数含义

Matlab中mat文件model参数含义模型文件是按照LatentSVM模型保存语法保存参数的，利用了查表的思想，具体细节需要参考原始论文。这样保存的目的好像是计算方便。1.model简单节点内容 model.class='bottle'model.year=2011model.note=15-50-36等 2. model有以下关键节点filters:[1x42struct] rules:{1
loadstar_kun·2013-04-03 10:00

Object Recognition and Scene Understanding（七）OpenCV中Latent SVM模型文件XML

从该blog开始，逐步介绍DPM+LatentSVM。关于OpenCV下DPM+LatentSVM简单介绍参考上一篇博文：OpenCVLatentSVMDiscriminativelyTrainedPartBasedModelsforObjectDetection 以Cat.xml（opencv安装目录下sample/c内）为例                2              
loadstar_kun·2013-04-03 09:00

Non-negative Matrix Factorization and Probabilistic Latent Semantic Analysis

Non-negativeMatrixFactorizationandProbabilisticLatentSemanticAnalysisOctober12,2011http://ezcodesample.com/plsaidiots/NMFPLSA.htmlIntroductionNon-negativeMatrixFactorizationisfrequentlyconfusedwithPro
haidao2009·2013-03-29 16:00

机器学习与计算机视觉大牛族谱

比如PLSA, Latent D
shuimuqingyi·2013-03-20 21:00

OpenCV Latent SVM Discriminatively Trained Part Based Models for Object Detection

OpenCV2.4版本实现了C++版本的DPM程序，和之前C版本的主要区别就是可以同时检测多种目标。使用时，可以把训练好的模型放到一个文件夹中，待检测的图像放到另一个文件夹中，即可检测。可惜没有考虑加速的内容。 LatentSVM¶DiscriminativelyTrainedPartBasedModelsforObjectDetection¶Theobjectdetectordescribedb
loadstar_kun·2013-03-18 11:00

matlab实现主成分分析 princomp函数

[coef,score,latent,
szv123_rier·2013-02-26 10:00

潜在语义分析Latent semantic…

潜语义分析LSA介绍LatentSemanticAnalysis(LSA),alsoknownasLatentSemanticIndexing(LSI)literallymeansanalyzingdocumentstofindtheunderlyingmeaningorconceptsofthosedocuments.Ifeachwordonlymeantoneconcept,andeachco
nuoline·2013-02-25 18:21

潜在语义分析Latent semantic…

潜语义分析LSA介绍LatentSemanticAnalysis(LSA),alsoknownasLatentSemanticIndexing(LSI)literallymeansanalyzingdocumentstofindtheunderlyingmeaningorconceptsofthosedocuments.Ifeachwordonlymeantoneconcept,andeachco
nuoline·2013-02-25 18:00

LDA(Latent Dirichlet Allocation)主题模型算法

LDA(LatentDirichletAllocation)主题模型算法 LDA整体流程先定义一些字母的含义：文档集合D，topic集合TD中每个文档d看作一个单词序列，wi表示第i个单词，设d有n个单词。（LDA里面称之为wordbag，实际上每个单词的出现位置对LDA算法无影响）D中涉及的所有不同单词组成一个大集合VOCABULARY（简称VOC）LDA以文档集合D作为输入（会有切词，去停用词
chenglinhust·2013-01-15 16:00

Latent Dirichlet Allocation(LDA)主题模型算法实现及源码解析

LatentDirichletAllocation(LDA)主题模型算法实现及源码解析 变量说明：整个程序步骤如下图代码解析1读入文档：首先要读入语料库中的文档。每个文件行，开头是一个数字，代表有多少单词，接着是id:count的形式，id代表单词的id号，count代表文档中这个单词出现的次数。读入的文档集合保存在document结构体中。typedefstruct{        intlen
chenglinhust·2013-01-15 16:00

Latent Dirichlet Allocation(LDA)主题模型理论

LatentDirichletAllocation(LDA)主题模型理论LDA是给文本建模的一种方法，属于生成模型。生成模型是指该模型可以随机生成可观测的数据，LDA可以随机生成一篇由N个主题组成的文章。通过对文本的建模，可以对文本进行主题分类，判断相似度等。LDA通过将文本映射到主题空间，即认为一篇文章有若干主题随机组成，从而获得文本间的关系。LDA模型有一个前提：bagofword。意思是认为
chenglinhust·2013-01-15 16:00

在windows下运行Felzenszwalb的Discriminatively Trained Deformable Part Models matlab代码

Felzenszwalb的DiscriminativelyTrainedDeformablePartModelsmatlab代码，version4代码下载地址http://www.cs.brown.edu/~pff/latent-release4
afgh2587849·2012-11-30 20:00

Latent Dirichlet Allocation Model学习笔记二

一废话周末完成基础知识：二项分布，多项式分布，Dirichlet分布以及原始LDA模型的学习；Gibbs采样的基础知识在之前看过了，简而言之就是以MCMC那套思想走的。下了个GibbsLDA++的代码，内部的LDA实现还没看，暂时准备先做做字典，在使用中理解。二GibbsLDA++使用笔记1.下载地址：这里2.编译：    UntarandunzipGibbsLDA++:    $gunzipGi
polly_yang·2012-11-26 15:00

学习Topic Model（主题模型）--Latent Dirichlet Allocation（LDA） 的一些摘要

主题模型是文本挖掘领域非常流行的方法，在文档分类、聚类中都有大量的应用。实际上，LDA的训练过程很简单，只需要简单的计算就可以得到结果。Blei（2003）原始的LDA论文中使用的是变分法推导，用EM算法求解。方法比较难以理解，并且EM算法可能求解到的是局部最优解。由于现在基本都是用GibbsSampling的方法求解，我也主要阅读的是Gibbs方面的论文。为了看懂LDA的论文，我们必须先明白两个
poson·2012-11-18 21:40

学习Topic Model（主题模型）--Latent Dirichlet Allocation（LDA） 的一些摘要

主题模型是文本挖掘领域非常流行的方法，在文档分类、聚类中都有大量的应用。实际上，LDA的训练过程很简单，只需要简单的计算就可以得到结果。Blei（2003）原始的LDA论文中使用的是变分法推导，用EM算法求解。方法比较难以理解，并且EM算法可能求解到的是局部最优解。由于现在基本都是用GibbsSampling的方法求解，我也主要阅读的是Gibbs方面的论文。 为了看懂LDA的论文，我们必须先明白两
poson·2012-11-18 21:00

搭建Deformable Part Models源码+学习分析

1.跑通代码：代码地址：http://people.cs.uchicago.edu.sixxs.org/~rbg/latent/ Version5(Sept.5,2012)别忘mex-setup!!!
scut1135·2012-11-18 12:00

matlab实现主成分分析 princomp函数

[coef,score,latent,t2]=princomp(x);（个人观点）：x：为要输入的n维原始数据。带入这个matlab自带函数，将会生成新的n维加工后
lcj_cjfykx·2012-11-12 05:00

Deformable Part Model的学习

v=_J_clwqQ4gImatlab代码实现: http://people.cs.uchicago.edu/~rbg/latent/开源C代码实现: https://github.com/liuliu
scut1135·2012-09-24 11:00

[学习笔记]主题模型(Topic Model)和PLSA( probabilistic latent semantic analysis)

读了著名的【GoogleNewsPersonalizationScalableOnlineCF】，提及到针对用户聚类，利用相似用户性信息计算喜欢的news。其中包含min-hash以及plsi，产生了对plsi的兴趣。plsi是model-based推荐算法，属于topic(aspect)model，最近研究了topicmodel，发现其在NLP领域用途很大。引入：在文本挖掘时，计算文档相似性是很
zhoubl668·2012-08-18 18:00

在windows下运行Felzenszwalb的Discriminatively Trained Deformable Part Models matlab代码

details/7023742Felzenszwalb的DiscriminativelyTrainedDeformablePartModelsURL：http://www.cs.brown.edu/~pff/latent
huangli19870217·2012-08-04 11:00

在windows下运行Felzenszwalb的Discriminatively Trained Deformable Part Models matlab代码

details/7023742 Felzenszwalb的DiscriminativelyTrainedDeformablePartModels URL：http://www.cs.brown.edu/~pff/latent
loadstar_kun·2012-07-10 16:00

[学习笔记]学习主题模型(Topic Model)和PLSA( probabilistic latent semantic analysis）

from: http://www.hxxiaopei.com/?p=71读了著名的【GoogleNewsPersonalizationScalableOnlineCF】，提及到针对用户聚类，利用相似用户性信息计算喜欢的news。其中包含min-hash以及plsi，产生了对plsi的兴趣。plsi是model-based推荐算法，属于topic(aspect)model，最近研究了topicmod
·2012-05-30 21:00

What is a good explanation of Latent Dirichlet Allocation

110WhatisagoodexplanationofLatentDirichletAllocationfrom:http://www.econsh.com/2011/09/what-is-a-good-explanation-of-latent-dirichlet-allocation
fullofwindandsnow·2012-05-16 17:00

LDA（Latent Dirichlet Allocation）学习笔记

 LDA（LatentDirichletAllocation）学习笔记最近在看LDA算法，经过了几天挣扎，总算大致了解了这个算法的整体框架和流程。示例LDA要干的事情简单来说就是为一堆文档进行聚类（所以是非监督学习），一种topic就是一类，要聚成的topic数目是事先指定的。聚类的结果是一个概率，而不是布尔型的100%属于某个类。国外有个博客[1]上有一个清晰的例子，直接引用：Supposeyo
krugle·2012-05-10 21:14

Latent Dirichlet allocation

LatentDirichletallocationFromWikipedia,thefreeencyclopediaIn statistics, latentDirichletallocation(LDA) isa generativemodel thatallowssetsofobservationstobeexplainedby unobserved groupsthatexplainwhys
alaclp·2012-05-10 14:00
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他