CFTM：连续时间分数主题模型
CFTM: Continuous time fractional topic model
AI总结：
提出连续时间分数主题模型（cFTM），利用分数布朗运动捕捉主题和词分布的长期依赖性或粗糙性，理论分析与LDA相当，并在经济新闻数据上验证了有效性。
摘要：
在本文中，我们提出了连续时间分数主题模型（cFTM），一种用于动态主题建模的新方法。该方法引入分数布朗运动（fBm）来有效识别主题和词分布随时间变化的正负相关性，揭示长期依赖性或粗糙性。我们的理论分析表明，cFTM能够捕捉主题和词分布中的长期依赖性或粗糙性，反映了fBm的主要特征。此外，我们证明了cFTM的参数估计过程与传统主题模型LDA相当。为了展示cFTM的特性，我们使用经济新闻文章进行了实证研究。这些测试的结果支持该模型识别和跟踪主题随时间变化的长期依赖性或粗糙性的能力。
英文摘要：
In this paper, we propose the Continuous Time Fractional Topic Model (cFTM), a new method for dynamic topic modeling. This approach incorporates fractional Brownian motion~(fBm) to effectively identify positive or negative correlations in topic and word distribution over time, revealing long-term dependency or roughness. Our theoretical analysis shows that the cFTM can capture these long-term dependency or roughness in both topic and word distributions, mirroring the main characteristics of fBm. Moreover, we prove that the parameter estimation process for the cFTM is on par with that of LDA, traditional topic models. To demonstrate the cFTM's property, we conduct empirical study using economic news articles. The results from these tests support the model's ability to identify and track long-term dependency or roughness in topics over time.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
