WNTM, BTM 및 LF-LDA와 같은 짧은 텍스트에 대한 주제 모델은 문서 용어 매트릭스와 같은 것을 생성합니까?

Question

나는 짧은 주제에 대한 주제 모델링을 다루고 있으며 BTM (biterm topic model), WNTM (word network topic model) 및 LDA (LF-LDA).

저는 기존의 LDA (R 패키지 topicmodels을 사용하여 구현했습니다)에서 텍스트 문서의 구조화되지 않은 모양이 Document-Term matrix (DTM)의 구성을 통해 컴퓨터가 읽을 수있는 형식으로 변환된다는 것을 알고 있습니다.

DTM과 비슷한 매트릭스를 생성하는 경우 위에서 언급 한 모델이 비슷한 구현 방식을 사용하는지 궁금합니다. 누구는 그것을 압니까? 불행히도 원본 문서를 읽음으로써 그 정보를 찾을 수 없었습니다.

미리 감사드립니다.

Answer 1

BTM 및 TKM (짧은 텍스트의 경우 좋음 - https://github.com/JohnTailor/tkm)은 DTM (문서 용어 매트릭스)을 구성하지 않습니다. WNTM이 하나를 만들 수 있습니다. 나는 LF-LDA를 모른다. BTM, WNTM 및 TKM은 슬라이딩 윈도우를 사용하여 단어의 위치를 ​​고려합니다. "집은 흰색"이고 "백악관은"특정 설정에 따라 다른 결과를 줄 수 있습니다. DTM은 어순을 포착하지 않습니다. 위의 예들 때문에 두 가지 모두 동일한 DTM을 제공 할 것입니다. WNTM은 주제 - 문서 배포를 추론 할 때 DTM의 이점을 누릴 수 있지만 매개 변수 (단어 - 주제)를 추론 할 때 유용하지 않을 수 있습니다.