可変次数無限隠れマルコフモデル

内海慶; 持橋大地

文献

J-GLOBAL ID：201702223851092810 整理番号：17A1817770

可変次数無限隠れマルコフモデル

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1817770&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1817770&from=J-GLOBAL&jstjournalNo=U0451A") }}

著者 (2件)： ,
資料名：
巻： 2017 号： NL-233 ページ： Vol.2017-NL-233,No.13,1-8 (WEB ONLY) 発行年： 2017年10月17日
JST資料番号： U0451A 資料種別：会議録 (C)
記事区分：原著論文発行国：日本 (JPN) 言語：日本語 (JA)

隠れマルコフモデルは系列データのモデルとして広く用いられる。自然言語処理では形態素解析や品詞推定のモデルとして,音声工学では音声認識で入力信号から音素を推定する音響モデルとしてよく利用される。従来,隠れマルコフモデルでは状態は1つ前の状態にのみ依存する,1次マルコフモデルが利用されてきた。この理由として,高次マルコフモデルでは計算量が次数に応じて指数的に大きくなること,及び状態遷移の組み合わせが膨大になることから,各遷移に対する学習事例が相対的に少なくなってしまい,データスパースネスの問題が起こることがあげられる。本稿では,適切な事前分布を導入することでデータスパースネスの問題を解決し,また次数nを確率変数として系列データの各位置に導入することで,隠れマルコフモデルを次数可変へ拡張した手法を提案する。提案手法によって,高次隠れマルコフモデルを効率的に計算し,また従来では扱えなかった複数の次数の遷移確率が混在するような,複雑な分布から生成されるデータも扱えることを示す。(著者抄録)

, , , , , , , ,
, ,

確率論 , 自然語処理

引用文献 (13件)：

Goldwater, S. and Griffiths, T.: A fully Bayesian approach to unsupervised part-of-speech tagging, Proceedings of the 45th Annual Meeting of the Association of Computational Linguistics, Vol. 45, No. 1, Citeseer, pp. 744-751 (2007).
Blunsom, P. and Cohn, T.: A Hierarchical Pitman-Yor Process HMM for Unsupervised Part of Speech Induction, Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies - Volume 1, HLT ’11, Association for Computational Linguistics, pp. 865-874 (2011).
Van Gael, J., Vlachos, A. and Ghahramani, Z.: The infinite HMM for unsupervised PoS tagging, Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing: Volume 2-Volume 2, Association for Computational Linguistics, pp. 678-687 (2009).
Uchiumi, K., Tsukahara, H. and Mochihashi, D.: Inducing Word and Part-of-Speech with Pitman-Yor Hidden Semi-Markov Models, Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing (Volume 1: Long Papers), Vol. 1, pp. 1774-1782 (2015).
Vogel, S., Ney, H. and Tillmann, C.: HMM-based word alignment in statistical translation, Proceedings of the 16th conference on Computational linguistics-Volume 2, Association for Computational Linguistics, pp. 836-841 (1996).

, , ,

前のページに戻る