文献

J-GLOBAL ID：201602227223684608   整理番号：16A1209994

bitermトピックモデルのための確率的崩壊変分Bayes推論【Powered by NICT】

Stochastic collapsed variational Bayesian inference for biterm topic model

著者 (4件)： Awaya Narutaka (Graduate School of Engineering, Kobe University, 1-1, Rokkoudai, Nada, Hyogo, Japan) ,  Kitazono Jun (Graduate School of Engineering, Kobe University, 1-1, Rokkoudai, Nada, Hyogo, Japan) ,  Omori Toshiaki (Graduate School of Engineering, Kobe University, 1-1, Rokkoudai, Nada, Hyogo, Japan) ,  Ozawa Seiichi (Graduate School of Engineering, Kobe University, 1-1, Rokkoudai, Nada, Hyogo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 3364-3370  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： 短いテキストから意味のある話題を見出すために多くの応用に有用である,Webサイト上でのツイッターとコメントである。短いテキストへの従来のトピックモデル(例えば,LDA)を直接適用する不十分な結果を生成することが多いので,短いテキストへの一般的アプローチとして,bitermトピックモデル(BTM)が最近提案された。しかし,元のBTM実施はその推論,全データセットに対して多くの反復を必要とするための崩壊Gibbsサンプリング(CGS)を使用した。一方,LDAは,10年間にわたって多くの高速推論アルゴリズムを提案した。それらの中で,オンライン設定に適用可能であり,崩壊した表現の利点,改良された変分結合に帰着しているので最近提案された確率的collapsed変分ベイズ推定(SCVB0)は有望である。SCVB0の考えを適用して,BTMのための高速1パス推論アルゴリズム,大規模一般短いテキストを解析に用いることができ,オンライン設定に拡張を開発した。提案したアルゴリズムの性能を評価するために,著者らは,ツイッター上の短いテキストを用いたいくつかの実験を行った。実験結果により,このアルゴリズムが元のアルゴリズムよりも有意に速く意味のある話題を見出したことを示した。Copyright 2016 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： アルゴリズム ,  *変分法 ,  *Bayes推定 ,  高速度
準シソーラス用語： 変分Bayes推定 ,  オンライン ,  Gibbsサンプリング ,  ツイッター ,  Webサイト ,  テキスト ,  *トピックモデル , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (5件)： トピックモデル ,  確率 ,  崩壊 ,  変分 ,  Bayes推論