A Context Tree Kernel Based on Latent Semantic Topic
Chao Xu, Yimin Zhou, Lei Shen · JOURNAL OF ELECTRONICS INFORMATION TECHNOLOGY · 2010
该文针对上下文树核用于文本表示时缺乏语义信息的问题，提出了一种面向隐含主题的上下文树核构造方法。首先采用隐含狄利克雷分配将文本中的词语映射到隐含主题空间，然后以隐含主题为单位建立上下文树模型，最后利用模型间的互信息构造上下文树核。该方法以词的语义类别来定义文本的生成模型，解决了基于词的文本建模时所遇到的统计数据的稀疏性问题。在文本数据集上的聚类实验结果表明，文中提出的上下文树核能够更好地度量文本间主题的相似性，提高了文本聚类的性能。