文献

J-GLOBAL ID：201802242608752660   整理番号：18A0162661

MetaLDA:メタ情報を効率的にするトピックモデル【Powered by NICT】

MetaLDA: A Topic Model that Efficiently Incorporates Meta Information

著者 (4件)： Zhao He ,  Du Lan ,  Buntine Wray ,  Liu Gang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDM  ページ： 635-644  発行年： 2017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： テキスト含有量に加えて,文書とそれらの連想語は単語埋込みにコードされたような,文書のカテゴリーと単語の意味論的・統語論的特徴のような,メタ情報の豊富なセットである。直接なメタ情報を組み込むトピックモデルの生成プロセスへのモデリング精度と話題品質を改善し,特に訓練データ中の単語発生情報が不足している場合である。本論文において,筆者らは文書や単語メタ情報を活用することができる,MetaLDAと呼ばれるトピックモデル,またはそれらの併用の両方を示した。二データ議論技術を用いて,効率的なGibbsサンプリングアルゴリズム,モデルの完全局所共役から利益を引き出すことができた。さらに,このアルゴリズムは,メタ情報のスパース性によって支持される。いくつかの実世界データセット上での包括的実験を行い,提案モデルは,両方のパープレキシティと話題品質に関して同等か改善された性能を達成し,特にスパーステキストを扱うことを実証した。添加では,メタ情報を用いた他のモデルと比較して,本モデルは有意に高速である。Copyright 2018 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： 高速度 ,  モデリング ,  単語 ,  意味論 ,  品質 ,  アルゴリズム ,  *モデル
準シソーラス用語： パープレキシティ ,  スパース性 ,  Gibbsサンプリング ,  訓練データ ,  連想語 ,  テキスト ,  *トピックモデル ,  *メタ情報 , 【Automatic Indexing@JST】

分類 (2件)： システム・制御理論一般  (IA02010H) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (2件)： メタ情報 ,  トピックモデル