Online Learning for Two Novel Latent Topic Models - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

Online Learning for Two Novel Latent Topic Models

Ali Shojaee Bakhtiari
  • Fonction : Auteur
  • PersonId : 993448
Nizar Bouguila
  • Fonction : Auteur
  • PersonId : 993449

Résumé

Latent topic models have proven to be an efficient tool for modeling multitopic count data. One of the most well-known models is the latent Dirichlet allocation (LDA). In this paper we propose two improvements for LDA using generalized Dirichlet and Beta-Liouville prior assumptions. Moreover, we apply an online learning approach for both introduced approaches. We choose a challenging application namely natural scene classification for comparison and evaluation purposes.
Fichier principal
Vignette du fichier
978-3-642-55032-4_28_Chapter.pdf (547.79 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01397223 , version 1 (15-11-2016)

Licence

Paternité

Identifiants

Citer

Ali Shojaee Bakhtiari, Nizar Bouguila. Online Learning for Two Novel Latent Topic Models. 2nd Information and Communication Technology - EurAsia Conference (ICT-EurAsia), Apr 2014, Bali, Indonesia. pp.286-295, ⟨10.1007/978-3-642-55032-4_28⟩. ⟨hal-01397223⟩
127 Consultations
112 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More