文献

J-GLOBAL ID：201702247479088774   整理番号：17A0142660

抽出音声要約のためのグラフ正則化非負行列因数分解の利用【Powered by NICT】

Exploiting graph regularized nonnegative matrix factorization for extractive speech summarization

著者 (7件)： Liu Shih-Hung (Academia Sinica, Taiwan) ,  Chen Kuan-Yu (Academia Sinica, Taiwan) ,  Hsieh Yu-Lun (Academia Sinica, Taiwan) ,  Chen Berlin (National Taiwan Normal University, Taiwan) ,  Wang Hsin-Min (Academia Sinica, Taiwan) ,  Yen Hsu-Chun (National Taiwan University, Taiwan) ,  Hsu Wen-Lian (Academia Sinica, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： APSIPA  ページ： 1-7  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 抽出要約システムは自動的に源テキストまたは音声文書からの代表的な文章を抽出し,簡潔な要約に連結しようとする人々が顕著な情報を把握する効果的かつ効率的に支援した。要約を含む種々のタスクに非負行列因子分解(NMF)を適用することにおける最近の進歩は,この線の研究を拡張し,以下の貢献を提供するせるよう動機づけさせた。グラフ正則化非負行列因数分解(GNMF)であり,要約の評価尺度に合わせの類似性測度を用いた親和性グラフを構築したを採用することを提案し,NMFの制約を保存近傍として作用し,良好な要約であることが文書における文の意味空間を表現した。第二に,さらに代表的な文のより良い選択のためのNMFとGNMFに対するスパース性および直交性制約は要約を形成するために考察した。標準中国語放送ニュース音声データセット上で行った包括的実験により,提案した教師なし要約モデルの有効性を実証し,本論文で比較して幾つかの広く使用されている最新の方法との関係。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 中国語 ,  放送 ,  類似性 ,  直交性 ,  ニュース ,  測度 ,  *正則化 ,  制約条件 ,  親和性 ,  非負行列因子分解
準シソーラス用語： スパース性 ,  評価尺度 ,  音声文書 ,  テキスト ,  *行列因数分解 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 音声 ,  グラフ ,  正則化 ,  非負行列因数分解