文献

J-GLOBAL ID：201802284226946264   整理番号：18A1569103

分類と推奨アプリケーションのためのトピック抽出のための潜在的相関ルールクラスタベースモデル【JST・京大機械翻訳】

Latent association rule cluster based model to extract topics for classification and recommendation applications

著者 (6件)： dos Santos Fabiano Fernandes (Institute of Mathematics and Computer Science - University of Sao Paulo Avenida Trabalhador Sao Carlense, 400, Sao Carlos, SP, 13566-590, Brazil) ,  Domingues Marcos Aurelio (Department of Informatics - State University of Maringa Avenida Colombo, Maringa, PR, 5790, 87020-900, Brazil) ,  Sundermann Camila Vaccari (Institute of Mathematics and Computer Science - University of Sao Paulo Avenida Trabalhador Sao Carlense, 400, Sao Carlos, SP, 13566-590, Brazil) ,  de Carvalho Veronica Oliveira (Institute of Geosciences and Exact Sciences - State University of Sao Paulo Avenida 24 A, Rio Claro, SP, 1515, 13506-900, Brazil) ,  Moura Maria Fernanda (Embrapa Agricultural Informatics Avenida Dr. Andre Tosello, Campinas, SP, 209, 13083-886, Brazil) ,  Rezende Solange Oliveira (Institute of Mathematics and Computer Science - University of Sao Paulo Avenida Trabalhador Sao Carlense, 400, Sao Carlos, SP, 13566-590, Brazil)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 112  ページ： 34-60  発行年： 2018年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 任意のテキストマイニング技術の品質は,文書収集を表現するために使用される特徴に高度に依存している。文書表現の古典的形式は,ドキュメントの特徴に対応する重みのベクトルとして表現されるものに従って,ベクトル空間モデル(VSM)である。このモデルは,その単純さと一般的適用性により最も一般的なVSMアプローチであるが,このモデルは用語依存性を含まず,高次元性を有する。文献では,用語の依存性を捉えるために,文書表現のためのいくつかのモデルが提案されている。それらの中で,トピックモデル表現は,それらの内部構造と相互関係を明らかにする方法で文書の収集を記述し,次元縮小を提供するので,最も興味深いアプローチの一つである。しかしながら,トピックモデルに対してさえ,文書表現に対する用語間の関係に関する情報の効率的な抽出は,依然として主要な研究課題である。この問題に対処するために,著者らは,潜在的相関ルールクラスタベースモデル(LARCM)を提案した。LARCMは,各特徴(すなわちトピック)が用語間の関係に関する情報から構成されるような方法で,低次元の文書表現を構築するために相関ルールクラスタリングを利用する非確率的トピックモデルである。提案したモデルを用いて得られた話題の解釈可能性を,従来の潜在的ジレンマ割当(LDA)モデルとLDAモデルにより提供されたものに対して,相関項(すなわち,関連単語)を含む文書表現を用いて評価した。実験結果は,LARCMがLDAモデルより良い解釈可能性を有する話題を提供することを示した。さらに,2つの異なるアプリケーションにおいてLARCMによって得られた話題を用いた:テキスト分類とページ推薦。テキスト分類に関して,話題を用いて文書収集表現を改善した。ページ推薦に関しては,文脈認識推薦システムにおける文脈情報として話題を用いた。結果は,LARCMによって提供された話題が,両方の応用を改善するために使用できることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *応用プログラム ,  次元縮小 ,  高次元 ,  ベクトル ,  品質 ,  クラスタ化 ,  単語 ,  *クラスタ ,  *相関ルール
準シソーラス用語： テキスト分類 ,  ジレンマ ,  低次元 ,  トピックモデル ,  テキストマイニング ,  *トピック抽出 , 【Automatic Indexing@JST】

著者キーワード (6件)： 文書表現 ,  トピックモデル ,  相関ルール ,  クラスタリング ,  テキスト分類 ,  文脈意識推薦システム

分類 (2件)： 自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 分類 ,  推奨 ,  アプリケーション ,  トピック抽出 ,  相関