BiTerm Topic Model
需求背景 短文本，短视频的tag标签，如果使用图文的方法，显得力不从心，bad case太多。例如直接使用LDA算法对图文语料进行训练，取得不错的聚类效果，但是使用短视频的标签信息语料进行相同的操作，效果不佳。 直接使用word2vec进行关键词匹配的方式，很大程度上依赖视频标签的质量。而视频标签的标注信息不能依赖于信息上传者的标注信息与用户标注意图，这个不定因素不是我们能够控制的。 主题模型发展
相关文章
- 1. neural topic model
- 2. topic model (LSA、PLSA、LDA)
- 3. JST ：Joint sentiment topic model & ASUM ：Aspect sentiment unification model
- 4. Rabbitmq--topic Rabbitmq--topic
- 5. topic
- 6. lda 主题模型--TOPIC MODEL--Gibbslda++结果分析
- 7. Continuous Semantic Topic Embedding Model Using Variational Autoencoder论文阅读
- 8. 【论文阅读】A Correlated Topic Model Using Word Embeddings
- 9. Author-Topic Model与ACT-LDA分析与解析
- 10. [一些翻译和整合] Topic Model-主题模型
- 更多相关文章...
- • C# 反射（Reflection） - C#教程
- • Swift 自动引用计数（ARC） - Swift 教程
- • 常用的分布式事务解决方案
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. neural topic model
- 2. topic model (LSA、PLSA、LDA)
- 3. JST ：Joint sentiment topic model & ASUM ：Aspect sentiment unification model
- 4. Rabbitmq--topic Rabbitmq--topic
- 5. topic
- 6. lda 主题模型--TOPIC MODEL--Gibbslda++结果分析
- 7. Continuous Semantic Topic Embedding Model Using Variational Autoencoder论文阅读
- 8. 【论文阅读】A Correlated Topic Model Using Word Embeddings
- 9. Author-Topic Model与ACT-LDA分析与解析
- 10. [一些翻译和整合] Topic Model-主题模型