文献

J-GLOBAL ID：201802286872018908   整理番号：18A1203665

ソーシャルネットワーク解析のための逐次項表現学習【JST・京大機械翻訳】

Incremental term representation learning for social network analysis

著者 (7件)： Peng Hao (School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Bao Mengjiao (School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Li Jianxin (School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Bhuiyan Md Zakirul Alam (Department of Computer and Information Sciences, Fordham University, NY, USA) ,  Liu Yaopeng (School of Computer Science and Engineering, Beihang University, Beijing, China) ,  He Yu (School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Yang Erica (Scientific Computing Department, STFC Rutherford Appleton Laboratory, Oxfordshire, UK)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 86  ページ： 1503-1512  発行年： 2018年 
JST資料番号： A0620C  ISSN： 0167-739X  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： 計算可能で意味のあるツールとしての用語表現法は,ソーシャルネットワーク解析に広く適用されている。本論文は,最新の意味ベクトルを質問するために共起行列を増分的に因数分解することができる新しい展望を提供した。著者らは,ストリーミング社会的ネットワークデータを,それぞれ古いおよび更新された訓練タスクに分割し,ベクトルを更新するために,確率的勾配法に基づく訓練目的関数を因子化した。増分目的関数が収束することを証明した。実験結果は,著者らの増分因子化が訓練収束を高速化することによってかなりの時間を節約できることを実証した。更新されたデータがより小さいほど,更新因子化プロセスはより速く,ある場合には既存の方法よりも30倍速い。増分表現の正当性を評価するために,ソーシャルテキスト類似性/関連性,言語タスク,ネットワークイベント検出,ソーシャルユーザマルチラベル分類およびソーシャルネットワーク解析のためのユーザクラスタリングを,本論文におけるベンチマークとして採用した。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： ベンチマーク ,  *ネットワーク ,  因数分解 ,  ストリーミング ,  類似性 ,  高速化 ,  傾斜法 ,  *学習 ,  目的関数 ,  ベクトル ,  言語
準シソーラス用語： イベント検出 ,  共起行列 ,  *社会的ネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 用語表現 ,  増分学習 ,  グローブモデル ,  ソーシャルネットワーク分析

分類 (2件)： 計算機網  (JC03000K) ,  その他の計算機利用技術  (JE14000C)

タイトルに関連する用語 (4件)： ソーシャルネットワーク ,  解析 ,  逐次 ,  表現学習