Stable topic modeling for web science: Granulated LDA

Sergei Koltcov, Sergey I. Nikolenko, Olessia Koltsova, Svetlana Bodrunova

Результат исследований: Публикации в книгах, отчётах, сборниках, трудах конференцийстатья в сборнике материалов конференциинаучнаярецензирование

3 Цитирования (Scopus)

Аннотация

Topic modeling is a powerful tool for analyzing large collections of user-generated web content, but it still suffers from problems with topic stability, which are especially important for social sciences. We evaluate stability for differenttopic models and propose a new model, granulated LDA,that samples short sequences of neighboring words at once. We show that gLDA exhibits very stable results.

Язык оригиналаанглийский
Название основной публикацииWebSci 2016 - Proceedings of the 2016 ACM Web Science Conference
ИздательAssociation for Computing Machinery
Страницы342-343
Число страниц2
ISBN (электронное издание)9781450342087
DOI
СостояниеОпубликовано - 22 мая 2016
Событие8th ACM Web Science Conference, WebSci 2016 - Hannover, Германия
Продолжительность: 22 мая 201625 мая 2016

Серия публикаций

НазваниеWebSci 2016 - Proceedings of the 2016 ACM Web Science Conference

конференция

конференция8th ACM Web Science Conference, WebSci 2016
СтранаГермания
ГородHannover
Период22/05/1625/05/16

Предметные области Scopus

  • Компьютерные сети и коммуникации

Fingerprint Подробные сведения о темах исследования «Stable topic modeling for web science: Granulated LDA». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать