الگوسازي موضوعات بر پايه‌ روش بيز تغييراتي

در اين مقاله، برپايه‌ي روش بيز گوناگوني، نشان مي‌دهيم كه روش تخصيص پنهان ديريكله كه يك مدل احتمالاتي مولّد است و در پردازش زبان‌هاي طبيعي، متن‌كاوي، كاهش ابعاد، و زيست‌داده‌ورزي كاربرد دارد،  نسبت به روش تحليل معنايي پنهان احتمالاتي در مدل‌بندي داده‌ها عملكرد بهتري دارد. در اين باره، ابتدا يك مدل بيزي را در مدل‌سازي موضوع‌ها شرح مي‌دهيم. آنگاه با روش بيز گوناگوني و الگوريتم اميدرياضي-بيشينه‌سازي (EM) پارامترهاي مدل را برآورد مي‌كنيم. سپس الگوريتم ارائه شده، موسوم به الگوريتم EM گوناگوني، را برپايه‌ي يك مجموعه‌داده‌ي نوشتاري از داده‌هاي واقعي در زمينه‌ي تحليل داده‌هاي خبري پياده‌سازي مي‌كنيم و مدل‌بندي زباني را بر اساس ملاك سرگشتگي بررسي مي‌كنيم، و دقت خوشه‌بندي موضوع‌ها و كاربرد كاهش ابعاد داده‌هاي حجيم را با كمك ماشين بردار پشتيبان مي‌سنجيم. همچنين در مقايسه‌اي ديگر، كاربرد الگوريتم پيشنهادي را در پالايش همكارانه بررسي مي‌كنيم.