文献

J-GLOBAL ID：201702273257824663   整理番号：17A0073349

連合行列分解に基づく話題発見と追跡モデル【JST・京大機械翻訳】

Collective matrix factorization based topic discovering and tracking model

著者 (4件)： Yang Dongfang (Dept. of Information Engineering,Huanghe Jiaotong University) ,  Wang Dan (Dept. of Information Engineering,Huanghe Jiaotong University) ,  Zhang Zhibin (School of Couputer Science & Technology,Henan Polytechnic University) ,  Yang Xinfeng (School of Computer & Information Engineering,Nanyang Institute of Technology)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 33  号： 8  ページ： 2307-2310  発行年： 2016年 
JST資料番号： C2536A  ISSN： 1001-3695  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： テキストデータでは,テキスト文書はストリームの形でシステムにの,データ量が大きくデータ更新速度が早く話題の発見と追跡に厳しい挑戦を与えている.上記の困難さに対処するために,結合行列分解に基づく話題発見と追跡モデルを提案した。大量のデータを効果的に処理するために,ストリームデータをタイムスタンプに従ってブロックに分割した。データの急速な変化の中で話題の進化を追跡するために,現在時刻の話題の分布を直前の話題の分布の線形進化として表現する.結合行列分解技術を用いて現在のデータブロックをそれぞれ現在の話題分布と前時刻の話題分布の2つの形式に分けて,同時に2つの行列を分解することによって現在の話題分布を得る.最適化解法において,パラメータ-KUHN-TUCKER条件解析によって,パラメータ更新戦略を得て,対応する解法を与えた。YAHOOデータセットに関する実験結果は,提案したトピック発見アルゴリズムが,トピックの分布をより良く発見することができ,時間の推移によって話題の進化を追跡することができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  アルゴリズム ,  高速度 ,  *データ更新 ,  線形性
準シソーラス用語： タイムスタンプ ,  結合行列 ,  データ量 ,  *行列分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： topic model ,  collective matrix factorization ,  probabilistic model ,  text streaming

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 行列分解 ,  話題 ,  発見 ,  追跡 ,  モデル