Zobrazeno 1 - 10
of 23
pro vyhledávání: '"Vorontsov, Konstantin"'
Topic modelling is fundamentally a soft clustering problem (of known objects -- documents, over unknown clusters -- topics). That is, the task is incorrectly posed. In particular, the topic models are unstable and incomplete. All this leads to the fa
Externí odkaz:
http://arxiv.org/abs/2408.05840
Publikováno v:
Recent Trends in Analysis of Images, Social Networks and Texts. AIST 2023. Communications in Computer and Information Science, vol 1905. Springer, Cham
The number of topics might be the most important parameter of a topic model. The topic modelling community has developed a set of various procedures to estimate the number of topics in a dataset, but there has not yet been a sufficiently complete com
Externí odkaz:
http://arxiv.org/abs/2406.10402
We consider probabilistic topic models and more recent word embedding techniques from a perspective of learning hidden semantic representations. Inspired by a striking similarity of the two approaches, we merge them and learn probabilistic embeddings
Externí odkaz:
http://arxiv.org/abs/1711.04154
Autor:
Alekseev, Vasiliy, Egorov, Evgeny, Vorontsov, Konstantin, Goncharov, Alexey, Nurumov, Kaidar, Buldybayev, Timur
Publikováno v:
In Data & Knowledge Engineering September 2021 135
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Hierarchical Interpretable Topical Embeddings for Exploratory Search and Real-Time Document Tracking
Publikováno v:
International Journal of Embedded & Real-Time Communication Systems (IJERTCS); October 2020, Vol. 11 Issue: 4 p134-152, 19p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.