Modelos de tópicos dinámicos

Se desarrolla una familia de modelos probabilísticos de series temporales para analizar la evolución temporal de los tópicos en grandes colecciones de documentos. El enfoque es utilizar modelos de espacio de estados sobre los parámetros naturales de las distribuciones multinómicas que representan los tópicos. Se desarrollan aproximaciones variacionales basadas en filtros de Kalman y regresión de wavelet no paramétrica para llevar a cabo inferencias posteriores aproximadas sobre los tópicos latentes. Además de proporcionar modelos cuantitativos y predictivos de un corpus secuencial, los modelos de tópicos dinámicos ofrecen una ventana cualitativa a los contenidos de una gran colección de documentos. Los modelos se demuestran al analizar los archivos OCR de la revista Science desde 1880 hasta 2000.