10.3969/j.issn.1000-386x.2020.09.020
基于信息最大化变分自编码器的孪生神经主题模型
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.
变分自编码器、主题模型、文档表示
37
TP3(计算技术、计算机技术)
2020-09-17（万方平台首次上网日期，不代表论文的发表时间）
共8页
118-125
