Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Supervised Hierarchical Dirichlet Processes with Variational Inference
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS. (CVAP)ORCID-id: 0000-0002-8640-9370
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS. (Computer Vision and Active Perception (CVAP) Lab)
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.ORCID-id: 0000-0003-1114-6040
Vise andre og tillknytning
2013 (engelsk)Inngår i: 2013 IEEE International Conference on Computer Vision Workshops (ICCVW), IEEE , 2013, s. 254-261Konferansepaper, Publicerat paper (Fagfellevurdert)
Abstract [en]

We present an extension to the Hierarchical Dirichlet Process (HDP), which allows for the inclusion of supervision. Our model marries the non-parametric benefits of HDP with those of Supervised Latent Dirichlet Allocation (SLDA) to enable learning the topic space directly from data while simultaneously including the labels within the model. The proposed model is learned using variational inference which allows for the efficient use of a large training dataset. We also present the online version of variational inference, which makes the method scalable to very large datasets. We show results comparing our model to a traditional supervised parametric topic model, SLDA, and show that it outperforms SLDA on a number of benchmark datasets.

sted, utgiver, år, opplag, sider
IEEE , 2013. s. 254-261
Emneord [en]
Topic Modeling, HDP, Supervised HDP, Dirichlet Processes
HSV kategori
Identifikatorer
URN: urn:nbn:se:kth:diva-134128DOI: 10.1109/ICCVW.2013.41ISI: 000349847200036Scopus ID: 2-s2.0-84897533026OAI: oai:DiVA.org:kth-134128DiVA, id: diva2:664983
Konferanse
2013 14th IEEE International Conference on Computer Vision Workshops, ICCVW 2013; Sydney, NSW; Australia; 1 December 2013 through 8 December 2013
Merknad

QC 20131217

Tilgjengelig fra: 2013-11-18 Laget: 2013-11-18 Sist oppdatert: 2019-04-26bibliografisk kontrollert

Open Access i DiVA

Supervised Hierarchical Dirichlet Processes with Variational Inference(232 kB)370 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 232 kBChecksum SHA-512
71c12c0ddd3cb37eef250755140ef4fd0ad687af30bd11759bd9c4d916b0294ced36bc1631945a52be9d611fd661fb4fb19e7a70a864207b3fb4b3bbe06fcc37
Type fulltextMimetype application/pdf

Andre lenker

Forlagets fulltekstScopus

Personposter BETA

Zhang, ChengPokorny, Florian T.Kjellström, Hedvig

Søk i DiVA

Av forfatter/redaktør
Zhang, ChengEk, Carl HenrikGratal, XaviPokorny, Florian T.Kjellström, Hedvig
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 370 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

doi
urn-nbn

Altmetric

doi
urn-nbn
Totalt: 241 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf