Transfer Topic Modeling with Ease and Scalability

作者
Jeon-Hyung Kang,Jun Ma,Yan Liu
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:8
标识
DOI:10.48550/arxiv.1301.5686
摘要

The increasing volume of short texts generated on social media sites, such as Twitter or Facebook, creates a great demand for effective and efficient topic modeling approaches. While latent Dirichlet allocation (LDA) can be applied, it is not optimal due to its weakness in handling short texts with fast-changing topics and scalability concerns. In this paper, we propose a transfer learning approach that utilizes abundant labeled documents from other domains (such as Yahoo! News or Wikipedia) to improve topic modeling, with better model fitting and result interpretation. Specifically, we develop Transfer Hierarchical LDA (thLDA) model, which incorporates the label information from other domains via informative priors. In addition, we develop a parallel implementation of our model for large-scale applications. We demonstrate the effectiveness of our thLDA model on both a microblogging dataset and standard text collections including AP and RCV1 datasets.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Iris完成签到,获得积分20
刚刚
一柯完成签到,获得积分20
1秒前
1秒前
沉静的清涟完成签到,获得积分10
1秒前
科研通AI6.4的应助被想喝奶茶采纳,获得10
2秒前
Orange的应助被科研通管家采纳,获得10
2秒前
勤奋一一的应助被科研通管家采纳,获得10
2秒前
田様的应助被科研通管家采纳,获得10
2秒前
zhonglv7的应助被科研通管家采纳,获得10
2秒前
CodeCraft的应助被科研通管家采纳,获得10
2秒前
所所的应助被七安采纳,获得10
2秒前
无花果的应助被科研通管家采纳,获得10
2秒前
星辰大海的应助被科研通管家采纳,获得10
2秒前
充电宝的应助被愉快数据线采纳,获得10
2秒前
研友_VZG7GZ的应助被科研通管家采纳,获得10
3秒前
白糖发布了新的文献求助10
3秒前
脑洞疼的应助被科研通管家采纳,获得10
3秒前
lizzie发布了新的文献求助10
3秒前
皮卡丘发布了新的文献求助30
3秒前
作业本的应助被科研通管家采纳,获得10
3秒前
爆米花的应助被科研通管家采纳,获得10
3秒前
星辰大海的应助被科研通管家采纳,获得10
3秒前
3秒前
田様的应助被科研通管家采纳,获得10
3秒前
Lucas的应助被科研通管家采纳,获得10
4秒前
思源的应助被科研通管家采纳,获得10
4秒前
烂漫的从彤完成签到,获得积分10
4秒前
所所的应助被科研通管家采纳,获得10
4秒前
李远锐完成签到 ,获得积分10
4秒前
CipherSage的应助被科研通管家采纳,获得10
4秒前
小蘑菇的应助被科研通管家采纳,获得10
4秒前
4秒前
5秒前
糜厉完成签到,获得积分10
5秒前
蔡莹发布了新的文献求助10
5秒前
北海完成签到,获得积分10
6秒前
wanci的应助被下午茶采纳,获得30
6秒前
LZU_Dai完成签到,获得积分10
7秒前
科研通AI65的应助被obito采纳,获得10
7秒前
7秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
Boundaries and Bodhisattvas 500
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8182102
求助须知:如何正确求助?哪些是违规求助? 9571775
关于积分的说明 21819723
捐赠科研通 7778500
什么是DOI,文献DOI怎么找? 3433617
关于科研通互助平台的介绍 2557786
邀请新用户注册赠送积分活动 2479651