Hierarchical Multiclass Topic Modelling with Prior Knowledge

Eine neue Multi-Label-Dokument-Klassifizierungstechnik namens CascadeLDA wird in dieser Arbeit eingeführt. Statt sich auf diskriminierende Modellierungstechniken zu konzentrieren, erweitert CascadeLDA ein generatives Basismodell durch die Einbeziehung von zwei Arten von Vorinformationen. Erstens wird das Wissen aus einem gekennzeichneten Trainingsdatensatz verwendet, um das generative Modell zu steuern. Zweitens wird die implizite Baumstruktur der Labels ausgenutzt, um diskriminierende Eigenschaften zwischen eng verwandten Labels hervorzuheben. Durch die Transformation des Klassifizierungsproblems in einem Ensemble von kleineren Problemen, werden vergleichbare out-of-sample Resultate circa 25 mal schneller erreicht als im Basismodell. In diesem Paper wird CascadeLDA auf Datensätzen mit akademischen Abstracts und vollständige wissenschaftliche angewendet. Das Modell wird eingesetzt, um Autoren beim Klassifizieren ihrer Publikationen automatisch zu unterstützen.

Grantor dc:publisher

Humboldt-Universität zu Berlin

Year dc:date.issued

2018

Author dc:creator

• Schröder, Ken

• Bayes
• Gibbs-Sampling
• Latent Dirichlet Allocation
• maschinelles Lernen
• Variationsinferenz
• Themenmodellierung
• natural language processing
• variational inference
• Topicmodeling
• Gibbs sampling
• graphical models
• machine learning

Statement dc:rights

• (CC BY-NC-SA 3.0 DE) Namensnennung - Nicht-kommerziell - Weitergabe unter gleichen Bedingungen 3.0 Deutschland

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-sa/3.0/de/

Language dc:language.iso

eng

DOI

https://doi.org/10.18452/18795

OAI record oai:identifier

https://edoc.hu-berlin.de/server/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Aedoc.hu-berlin.de%3A18452%2F19516