版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、主題模型是用來發(fā)現(xiàn)文章中隱藏的主題的一種統(tǒng)計(jì)方法,這是一種應(yīng)用范圍十分廣的生成模型。該模型假設(shè)每個(gè)文檔里存在很多個(gè)隱藏的主題,而由于文檔的性質(zhì)和類別不同,使得每篇文章的主題分布情況是不同的。主題模型就是利用文章的這個(gè)特點(diǎn),根據(jù)每篇文章的主題分布建立模型。主題模型的應(yīng)用范圍十分的廣泛,而且在許多領(lǐng)域的應(yīng)用效果也十分的顯著。本文就是以LDA(Latent Dirichlet Analysis)主題模型為研究對象,針對模型的改進(jìn)和模型參數(shù)的估
2、計(jì)進(jìn)行了進(jìn)一步研究。
首先,考慮到在電子商務(wù)中在購買商品之后還可以對所購買的商品進(jìn)行評分。所以,我們對LDA模型進(jìn)行了改進(jìn),加入了對商品的評分。并且,針對離散型評分和連續(xù)型評分我們分別對LDA模型進(jìn)行了改進(jìn),然后用變分EM算法進(jìn)行了參數(shù)估計(jì)。
其次,由于在對改進(jìn)后的LDA模型用變分EM算法進(jìn)行參數(shù)估計(jì)的過程中,我們發(fā)現(xiàn)目標(biāo)函數(shù)的下界是我們假設(shè)的變分分布的熵。而熵表示的是隨機(jī)變量的不確定性,即我們假設(shè)的變分分布的不確定
3、性。由此,我們提出用TEM(Tempered Expectation Maximization)算法對模型進(jìn)行參數(shù)估計(jì)。該算法通過對目標(biāo)函數(shù)的中的熵除以一個(gè)參數(shù)τ,從而降低由于假設(shè)的變分分布的不確定性而對模型造成的影響。
最后,我們將改進(jìn)后的LDA模型應(yīng)用到MovieLens數(shù)據(jù)集上進(jìn)行驗(yàn)證,并通過交叉驗(yàn)證的方法與基于用戶的協(xié)同過濾以及PLSA模型進(jìn)行對比。得到改進(jìn)后的模型效果優(yōu)于其他模型,而這兩種模型中,連續(xù)型數(shù)據(jù)的模型效果
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- LDA模型的研究及其在推薦系統(tǒng)中的應(yīng)用.pdf
- 張量模型在推薦系統(tǒng)中的應(yīng)用研究.pdf
- 信任及其在推薦系統(tǒng)中的應(yīng)用.pdf
- 主題模型在論文推薦系統(tǒng)中的應(yīng)用研究.pdf
- 推薦系統(tǒng)多樣性研究及其在就業(yè)推薦中的應(yīng)用.pdf
- LDA在信息檢索中的應(yīng)用研究.pdf
- LDA的改進(jìn)算法及其在人臉識別中的應(yīng)用.pdf
- 基于Labeled-LDA模型的在線醫(yī)療專家推薦研究.pdf
- 基于LDA的特征提取及其在人臉識別中的應(yīng)用.pdf
- 結(jié)構(gòu)相似度及其在推薦系統(tǒng)中的應(yīng)用研究.pdf
- 推薦系統(tǒng)的研究及其在移動(dòng)電子商務(wù)中的應(yīng)用.pdf
- 蟻群聚類算法及其在推薦系統(tǒng)中的應(yīng)用.pdf
- 基于Phrase-LDA主題模型的茶產(chǎn)品群組推薦研究.pdf
- 協(xié)同過濾技術(shù)及其在推薦系統(tǒng)中的應(yīng)用研究.pdf
- RBM在推薦系統(tǒng)中的應(yīng)用與研究.pdf
- 協(xié)同推薦技術(shù)及其在科技文獻(xiàn)個(gè)性化推薦系統(tǒng)中的應(yīng)用研究.pdf
- 反饋排序?qū)W習(xí)模型在個(gè)性化推薦系統(tǒng)中的應(yīng)用研究.pdf
- 個(gè)性化推薦系統(tǒng)研究及其在信息檢索中的應(yīng)用.pdf
- 協(xié)同過濾推薦模型及其在汽車電子商務(wù)中的應(yīng)用研究.pdf
- 灰色系統(tǒng)預(yù)測模型研究及其在加礬系統(tǒng)中的應(yīng)用.pdf
評論
0/150
提交評論