文献

J-GLOBAL ID：201702230307350928   整理番号：17A1788985

ハイブリッド語彙特徴とLDAの意味的関連度計算方法【JST・京大機械翻訳】

Combing lexical features and LDA for semantic relatedness measure

著者 (3件)： Xiao Bao (欽州学院 電子与信息工程学院,广西 欽州,535011) ,  Li Pu (華南師范大学 計算机学院,广州 510631;鄭州軽工業学院 軟件学院,鄭州 450000) ,  Jiang Yuncheng (華南師范大学 計算机学院,广州,510631)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 53  号： 12  ページ： 152-157,165  発行年： 2017年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： テキスト意味関連度計算は,自然言語処理,意味情報検索などにおいて重要な役割を果たし,Wikipediaを知識ベースとして用いることにより,意味論的情報検索を行うことができる。語彙的特徴に基づくESA(Explicit Semantic Analysis)は簡単で有効な特徴があるため、これらの領域において学術界の広い関心と応用を受けている。しかし、その意味関連度計算は大量の冗長な概念の関与があるため、高次元、低効率の計算方式となり、同時にテキストが所属する主題要素の意味関連度計算に対する作用も無視されている。LDA(Latent Dirichlet Allocation)主題モデルを導入し,ESAにより返された相関度の高い概念をモデルの主題確率ベクトルに変換し,次元を低減し,効率を向上させることを目的とした。JSD距離(Jensen-Shannon Divergence)をコサイン距離の測定方法に置き換えることにより、テキストの意味関連度計算をより合理的かつ有効にする。最後に,異なるレベルのデータセットに対するアルゴリズムの試験評価を行い,その結果は,ハイブリッド語彙特性とトピックモデルの意味相関度計算法のピアソン相関係数がESAとLDAよりそれぞれ3%と9%以上高いことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 自然言語処理 ,  *語彙 ,  アルゴリズム ,  ベクトル ,  高次元 ,  知識ベース ,  情報検索 ,  意味論
準シソーラス用語： Pearson相関係数 ,  トピックモデル ,  ウィキペディア ,  意味情報 ,  テキスト , 【Automatic Indexing@JST】

著者キーワード (5件)： topic model ,  lexical features ,  Explicit Semantic Analysis(ESA) ,  Latent Dirichlet Allocation(LDA) ,  semantic relatedness measure

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (5件)： 語彙 ,  LDA ,  意味 ,  関連度 ,  計算