Survey of probabilistc topic models is presented with emphasis on fundamentally different approaches used in modeling. Introduced classification differs from earlier efforts, providing a complementary view of the field. Purpose of this survey is to provide a brief overview of the current probailistic topic models as well as an inspiration for future research

چکیده

در این مقاله با تأکید بر روش های اساسیِ مختلفی که در مدلسازی مورد استفاده می گیرد، به مطالعه ی مدل های موضوعی احتمالاتی پرداخته شده است. روش دسته بندی مدل­ ها که در این مطالعه پیشنهاد داده ایم، متفاوت از روش هایی بوده که در مطالعات قبلی ارائه شده است و لذا یک دیدگاه مکمل از این حوزه ارائه شده است. هدف این مطالعه، بازبینی مختصر مدل های موضوعی احتمالاتی فعلی و همچنین ارائه ی یک عامل انگیزشی و الهام برانگیز برای انجام پژوهش های آینده می باشد.

1-مقدمه

مدل های موضوعی احتمالاتی را می توان گروهی از الگوریتم های یادگیری ماشین دانسته که برای کشف ساختارهای موضوعی مخفی در داده ها کاربرد دارند. اگرچه کاربردهای زیادی در حوزه های داده کاوی، نظیر حاشیه یابی تصویر، تحلیل صوت و ویدئو وجود دارد، ولی هدف این مدل ها، پیدا کردن موضوع ها در داده های متنی می باشد...