CluWords: Explorando Clusters Semânticos entre Palavras para Aprimorar Modelagem de Tópicos

Neste trabalho avancamos o estado-da-arte na modelagem de topicos por meio de uma nova representacao de documentos baseada em word embeddings  pre-treinados para fatoracao de matriz nao-probabilistica. Nossa estrategia, chamada CluWords, explora as palavras mais proximas em um determinado espaco word embedding  pre-treinado para gerar meta-palavras que sao capazes de melhorar a representacao de documentos, tanto em termos de informacoes sintaticas quanto semânticas. Em nossa avaliacao, considerando 12 bases de dados e 8 linhas de base, obtivemos melhoras na maioria dos casos, com ganhos de mais de 50 % . Nosso metodo tambem e capaz de melhorar representacao dos documentos para a tarefa de classificacao automatica.