文献

J-GLOBAL ID：201002242000786078   整理番号：10A0242743

テキストコーパスから著者・主題モデルを学習する

Learning Author-Topic Models from Text Corpora

著者 (5件)： ROSEN-ZVI Michal (IBM Res. Lab. Haifa) ,  CHEMUDUGUNTA Chaitanya (Univ. California, Irvine) ,  GRIFFITHS Thomas (Univ. California, Berkeley) ,  SMYTH Padhraic (Univ. California, Irvine) ,  STEYVERS Mark (Univ. California, Irvine)
資料名： ACM Transactions on Information Systems  (ACM Transactions on Information Systems)
巻： 28  号： 1  ページ： 4:1-4:38  発行年： 2010年01月 
JST資料番号： H0971A  ISSN： 1046-8188  資料種別： 逐次刊行物 (A)
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： Webや特化したディジタルテキストコレクションが一般化し,テキストからの有用な情報の抽出が重要な研究課題となった。本論文は,大規模なテキストコレクションから,著者と主題に関する情報を抽出する教師なし学習技法を提案した。文書のモデル化は,まず著者を主題に関する確率分布により表現し,次に各主題は単語に関する確率分布として表現した。主題・単語と著者・主題の両分布は,Markov連鎖モンテカルロアルゴリズムを使用してデータから学習した。この方法論を,15万アブストラクト,1740論文,12万1千電子メールという,3種類の大規模テキストコーパスに適用して実験した。この実験で得た結果を,特定主題と著者モデル,著者の主題によるランキングおよびその逆,主題と著者によるアブストラクトの構文分析,などについて解釈した。提案した著者・主題モデルと既提案モデルとの違いも論じた。

シソーラス用語： コーパス ,  *教師なし学習 ,  情報抽出 ,  文書処理 ,  著者 ,  主題 ,  モデリング ,  確率分布 ,  単語 ,  Markov連鎖 ,  モンテカルロ法 ,  アルゴリズム ,  抄録 ,  論文 ,  電子メール ,  実験 ,  等級づけ ,  構文分析 ,  自然言語処理
準シソーラス用語： *テキストコーパス ,  Markov連鎖モンテカルロ法 ,  評価実験 ,  確率アルゴリズム

分類 (2件)： 自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： テキストコーパス ,  著者 ,  主題 ,  モデル ,  学習