用于社交事件分析的多模式最大利润监督主题模型

在本文中，我们通过在统一框架中与分类器一起共同学习表示，提出了一种用于社交事件分析的新型多模式最大利润监督主题模型（MMSTM）。 与现有方法相比，所提出的MMSTM模型具有多个优点。 （1）提出的模型可以利用分类器作为我们模型的正则化项，共同学习生成模型和最大余量分类器中的参数，并使用Gi​​bbs采样来学习表示模型和最大余量分类器的参数最小化预期损失函数。 （2）所提出的模型不仅可以通过共同学习社交事件表示的多种模式之间潜在的主题相关性来有效地挖掘多模式属性，而且可以通过考虑区分性的最大利润率分类器来进行事件分类来利用监督信息提高分类性能。 （3）为了验证所提出模型的有效性，我们收集了一个大规模的真实世界数据集用于社会事件分析，并且定性和定量评估结果都证明了所提出的MMSTM的有效性。