文献

J-GLOBAL ID：201702268907244029   整理番号：17A0312359

教師なし多対多オブジェクトマッチングのための確率的潜在変数モデル【Powered by NICT】

Probabilistic latent variable models for unsupervised many-to-many object matching

著者 (3件)： Iwata Tomoharu (NTT Communication Science Laboratories, Japan) ,  Hirao Tsutomu (NTT Communication Science Laboratories, Japan) ,  Ueda Naonori (NTT Communication Science Laboratories, Japan)
資料名： Information Processing & Management  (Information Processing & Management)
巻： 52  号： 4  ページ： 682-697  発行年： 2016年07月 
JST資料番号： E0362B  ISSN： 0306-4573  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： オブジェクトマッチングでは,異なるドメイン間でオブジェクト間の対応を発見するための重要な課題である,異なる言語における文書と異なるデータベースにおける利用者である。本論文では,異なるドメイン間の対応情報や類似性の基準なしで多対多マッチングを提供する確率的潜在変数モデルを提案した。提案したモデルは,全ての領域で共有されていることを潜在ベクトルの無限数であり,各物体は潜在ベクトルとドメイン特異的投影の一つから生成されることを仮定している。各オブジェクトを生成するために用いる潜在ベクトルを推定することにより,異なる領域におけるオブジェクトは,それらが共有するベクトルに従ってクラスタ化した。このように,筆者らは教師なし様式において異なるドメインの中のオブジェクトのグループ間のマッチングを実現することができる。確率的EMアルゴリズムに基づいて提案モデルの学習方法を提示している。も半教師付き設定における学習手順を導出し,いくつかの物体に対する対応情報が与えられる。提案したモデルの有効性を,合成および実データ集合上での実験で実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ベクトル ,  学習 ,  データベース ,  クラスタ化 ,  類似性 ,  *マッチング ,  言語
準シソーラス用語： 学習方法 ,  EMアルゴリズム ,  *オブジェクトマッチング , 【Automatic Indexing@JST】

著者キーワード (3件)： 潜在変数モデル ,  混合モデル ,  オブジェクトマッチング

分類 (1件)： 検索技術  (AC06020S)

タイトルに関連する用語 (5件)： 教師 ,  オブジェクトマッチング ,  確率 ,  潜在変数 ,  モデル