嵌套中国餐馆过程及主题层级的贝叶斯非参数推断
摘要：嵌套中国餐馆过程（nCRP）：一种随机过程，为无限深度、无限分支的树分配概率分布。通过在贝叶斯非参数模型中使用该随机过程作为先验分布，我们展示了如何将其应用于文档集合的信息检索问题中。具体地，我们提出了一种文档模型，将其建模为通过随机树的路径，而nCRP的优先附着动力导致了文档在多个抽象层面上根据主题共享而聚类。给定一个文档语料库，后验推断算法可以找到对树、主题以及将单词分配到树的不同层级上的近似后验分布。我们在多个期刊的科学摘要集合上演示了该算法。这个模型体现了统计机器学习中的一个新趋势，即使用贝叶斯非参数方法推断灵活数据结构上的分布。
作者：David M. Blei, Thomas L. Griffiths, Michael I. Jordan
论文ID：0710.0845
分类：Machine Learning
分类简称：stat.ML
提交时间：2009-08-27