文献

J-GLOBAL ID：201702287383110458   整理番号：17A0213914

単語埋込みを用いた短いテキストのためのトピック発見【Powered by NICT】

Topic Discovery for Short Texts Using Word Embeddings

著者 (6件)： Xun Guangxu ,  Gopalakrishnan Vishrawas ,  Ma Fenglong ,  Li Yaliang ,  Gao Jing ,  Zhang Aidong
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDM  ページ： 1299-1304  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： ニュースタイトルとツイートのような短いテキストの発見話題は多くの内容分析応用のための重要な課題となっている。しかし,短い文字列における豊富な文脈情報が不足しているために,短いテキストの従来のトピックモデルの性能は不満足な。本論文では,単語埋め込みを用いた短いテキストコーパスのための新しいトピックモデルを提案した。言語における規則性を捉えるで有効であることを証明した,連続空間単語埋込みは付加的な意味論を提供するために,モデルに組み込んだ。ベクトル空間における単語埋込み上のGauss話題として各短い文書をモデル化した。添加では,短いテキストにおけるバックグラウンド語は意味論的に関連しないのが普通であることを考慮して,連続したガウス形話題を補完する単語タイプ上の離散バックグラウンドモードを導入した。abcnewsのようなデータソースからのニュースタイトル,著者らのモデルは,ベースライン手法に比べて短いテキストからのよりコヒーレントな話題を抽出し,各短い文書のためのより良いトピック表現を学ぶことができることを示すことに著者らのモデルを評価した。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： ベクトル空間 ,  文字列 ,  コヒーレンス ,  言語 ,  *単語 ,  モデリング ,  規則度 ,  意味論 ,  基準線
準シソーラス用語： テキストコーパス ,  トピックモデル ,  文脈情報 ,  内容分析 ,  *テキスト , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 単語 ,  埋込み ,  トピック ,  発見