文献

J-GLOBAL ID：201702213998538644   整理番号：17A1455067

多モードデータのスパース関係局所符号化【Powered by NICT】

Sparse Relational Topical Coding on multi-modal data

著者 (5件)： Song Lingyun (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Liu Jun (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Luo Minnan (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Qian Buyue (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China) ,  Yang Kuan (SPKLSTN Lab, Department of Computer Science and Technology, Xi’an Jiaotong University, 710049, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 72  ページ： 368-380  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルチモーダルデータモデリングがパターン認識コミュニティでは活発な研究分野である。既存の研究は主に多モード文書の内容モデリングに焦点を当て,文書間リンクは通常無視されている。しかし,リンク情報は多くの用途で重要である,文書ナビゲーション,分類,クラスタリングなどを示した。本論文では,マルチモーダル文書と対応するリンク情報の両方をモデル化するために,すなわち,スパース関係マルチモーダル局所符号化(SRMMTC),関係トピックモデル(RTM)の非確率論的定式化提案した。SRMMTCは次の三つの魅力的な特性を有している:1)それは,スパース性誘起(sparsity-正則化を直接を介したスパース潜在表現を効果的に生成できる,ii)は正と負のリンクのための正則化パラメータを導入することにより,マルチモーダルデータ収集に不均衡問題を扱う,それぞれiii)は,効率的な座標降下アルゴリズムにより解くことができる。も話題間の対相互作用を見出すためにSRMMTCの一般化版を調べた。提案手法は,文書のためのリンク予測だけでなく,文書の画像に対するアノテーション単語の予測を行うことができる。一連のベンチマークデータセット上での実験により,この提案したモデルは,多くの最新の方法より性能が優れていることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *符号化 ,  単語 ,  データ収集 ,  クラスタ化 ,  予測 ,  正則化 ,  パターン認識 ,  *多モード ,  画像 ,  アルゴリズム ,  定式化 ,  *透視図法 ,  アノテーション ,  モデリング ,  確率論

著者キーワード (4件)： マルチモーダルデータ ,  スパース潜在表現 ,  画像アノテーション ,  リンク予測

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 多モード ,  符号化