基于深度学习框架的隐藏主题变量图模型

摘要：

隐藏主题变量图模型是一种用节点表示潜在主题或者潜在主题变化的概率图模型.针对当前隐藏主题变量图模型只能提取单层主题节点的缺陷,提出一种基于深度学习框架的提取多层主题节点的概率图模型.该模型在隐藏主题变量图模型的底层增加预处理结构层,即引入自组织映射层,可以有效地提取不同层次的主题状态.另外,隐藏主题变量图模型使用了隐马尔可夫网络和条件随机场的相结合的模型.针对条件随机场,提出了一阶逻辑子句定义的特征函数.弥补了长距离依存特性的缺失.在此基础上提出了一种分层次提取主题状态的新深度学习算法.在国际通用的亚马逊情感分析数据、Tripadvisor情感分析数据上的实验表明,新算法可以提升情感分析的准确率.同时实验结果也表明,提取多层主题状态可以更好地挖掘宏观主题分布信息和评论的局部主题信息.

关键词：概率图模型、深度学习、隐马尔可夫模型、自组织映射、一阶逻辑

所属期刊栏目：52

分类号：TP181;TP183(自动化基础理论)

资助基金：国家自然科学基金重点项目U1135005;国家自然科学基金重大研究计划项目90924026;国家自然科学基金青年科学基金项目61305018;国家科技重大专项项目GFZX0101050302;武器装备预研基金项目51301010206

在线出版日期：2015-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：191-199