基于信息最大化变分自编码器的孪生神经主题模型

• 作者: 刘佳琦 李阳
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 变分自编码器 主题模型 文档表示
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 118-125
• 页数: 8页
• 分类号: TP3
• 字数: 8006字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.09.020

摘要

基于变分自编码器的神经主题模型是一种典型的主题模型.由于该模型忽略了文档之间的相似性,可能导致语义相近的文档对应的隐变量之间距离较大.此外,在变分自编码器的训练过程中,还存在忽视隐变量的现象,导致模型不能很好地学习文档的向量表示.针对上述问题,提出孪生神经主题模型及其变种,通过孪生网络对神经主题模型进行扩展,引入了文档之间的相似度信息.网络的子结构采用信息最大化变分自编码器构建主题模型,提高了隐变量与文档的相关性.实验结果表明,该模型在文档检索任务中有较好的表现,并且提取的主题具有良好的解释性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李阳	中国科学技术大学计算机科学与技术学院	52	232	8.0	14.0
2	刘佳琦	中国科学技术大学计算机科学与技术学院	3	8	2.0	2.0