[置顶]

发表于 | 分类于 | 热度: ℃

去年初学LDA，看完了Rickjin老师的《LDA数学八卦》，觉得不是很懂，查阅了很多资料之后才对LDA有了更深入地认识。一直想加入自己的理解后更简单的讲述这个模型，今日补上。

注：文章的行文思路与大多数公式参考了Rickjin《LDA数学八卦》。有兴趣更深入了解的同学可以在看完本篇后继续阅读。

LDA(Latent Dirichlet allocation)是主题模型的一种，最早是由Blei D M[1]等人在2003年提出的，常被用于文档的主题识别。时至今日，在大大小小的会议上仍能看到不少对LDA（或其衍生、或类似的主题模型）提出改进的文章。其自然的思路，优雅的求解和拓展性强的模型结构，实在是非常适合作为对无监督学习一个入门模型来学习和改进。

本文主要介绍LDA背后的相关数学知识和模型的构建与求解思路，力求只有少量统计知识的初学者也能看懂。文中略去了大量的公式推导细节，如果希望深入的了解，请根据需要查找相关的资料。

阅读全文 »

发表于 | 分类于 ， | 热度: ℃

作者：Louis Y.Y. Lu, John S. Liu

年份：2015

期刊：Technological Forecasting & Social Change

研究内容：Identify the major research themes. 文章在WOS上检索了关于“patent”的论文，建立引文网络，通过edge-betweenness clustering technique和key-route main path analysis are两种方法来确立主要研究主题。提出的方法可用于发现一个领域的主要研究主题并绘制发展轨迹。数据需要有citation relationships。

这篇文章的国内外研究现状是穿插在小节中，而不是独立在某一个chapter中写的。其实我个人比较认同这种引用文献的方式，但在TF & SC的其他论文中似乎比较少见。

阅读全文 »

发表于 | 分类于 ， | 热度: ℃

作者：Yang Z, Hong L, Davison B D.

年份：2010

期刊：Adaptivity, Personalization and Fusion of Heterogeneous Information.

研究内容：Focus on the task of ranking authors.以往的研究已经使用了content-based approaches或者citation network link analyses,但两者的结合却很少。本文提出一种新的概率模型，模型结合了基于内容的方法和多种引用网络（文章之间，作者之间，隶属关系，出版场所），并且提出了heterogeneous PageRank random surfer model来反映不同特征的重要性。

本文贡献：

  • Proposing a novel probabilistic model which combines content-based analysis with a multi-type citation network, integrating relationships of authors, papers, affiliations and publishing venues in one model. This model can be extended to include more types of social factors.
  • Proposing a heterogeneous PageRank random surfer model compared with the original uniform PageRank model, to reflect the impact among different factors.
  • Introducing topical link analysis into citation network analysis. In particular, Topical PageRank [18] is adopted for citation link analysis.
  • A comparative study using ACM digital library data on various PageRank extensions as well as different complexity of citation networks.

说实话，他号称的Combine就是把俩结果用一个权值加起来，总有一种上当受骗的感觉…🙃🙃🙃

阅读全文 »
0%