یک مدل موضوعی احتمالاتی مبتنی بر روابط محلی واژگان در پنجره های هم پوشان

بسیاری از مدل های موضوعی مانند LDA که مبتنی بر هم رخدادی واژگان در سطح یک سند هستند قادر به بهره گیری از روابط محلی واژگان نیستند. برخی از مدل های موضوعی مانند BTM سعی کرده اند با ترکیب موضوعات و مدل های زبانی n-gram، این مشکل را حل کنند. اما BTM مبتنی بر ترتیب دقیق واژگان است؛ بنابراین با مشکل تنکی روبه روست. در این مقاله یک مدل موضوعی احتمالاتی جدید معرفی شده که قادر به مدل کردن روابط محلی واژگان با استفاده از پنجره های هم پوشان است. بر اساس فرضیه هم رخدادی، رخداد هم زمان واژگان در پنجره های کوتاه تر، گواه محکم تری بر ارتباط معنایی آنهاست. در مدل پیشنهادی، هر سند، مجموعه ای از پنجره های هم پوشان فرض می شود، که هریک متناظر با یکی از واژگان متن است. موضوعات بر مبنای هم رخدادی واژگان در این پنجره های هم پوشان استخراج می شوند. به عبارت دیگر، مدل پیشنهادی، روابط محلی واژگان را بدون وابستگی به ترتیب دقیق آنها مدل می کند. آزمایش های ما نشان می دهد که روش پیشنهادی، موضوعات منسجم تری را تولید و در کاربرد خوشه بندی اسناد، دقیق تر از دو مدل LDA و BTM   عمل می کند.