文献

J-GLOBAL ID：202002289038892991   整理番号：20A2615200

セマンティック埋込みによるトピックモデリングの結合:強化トピックモデルの埋込み【JST・京大機械翻訳】

Combine Topic Modeling with Semantic Embedding: Embedding Enhanced Topic Model

著者 (5件)： Zhang Peng (School of Information, Shanxi University of Finance and Economics, Taiyuan, China) ,  Wang Suge (School of Computer and Information Technology, and Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education, Shanxi University, Taiyuan, China) ,  Li Deyu (School of Computer and Information Technology, and Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education, Shanxi University, Taiyuan, China) ,  Li Xiaoli (Institute for Infocomm Research, A*STAR, Singapore) ,  Xu Zhikang (School of Computer Engineering and Science, Shanghai University, Shanghai, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 32  号： 12  ページ： 2322-2335  発行年： 2020年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
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： トピックモデルと単語埋込みは,テキスト意味論の2つの展望を反映する。トピックモデルマップは文書内の単語選点パターンの利用によりトピック分布空間に文書化し,単語埋込みは文脈ウィンドウにおける局所単語選点パターンを利用することにより連続埋込み空間内の単語を表現する。明らかに,これらの2種類のパターンは相補的である。本論文では,トピック情報が対応する意味埋込み構造に伝送できる2つの表現法を組み合わせるための新しい統合フレームワークを提案した。このフレームワークに基づいて,著者らは,トピックモデリングを改善し,単語埋込みをレバーグすることによってトピック埋込みを生成することができる埋込み強化トピックモデル(EETM)を構築した。広範な実験結果は,EETMが複数のデータセットを横断して共通テキスト解析タスクのための高品質文書表現を学習できることを示し,単語埋込みによるトピックモデルを併合するのに非常に有効であることを示している。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  *単語
準シソーラス用語： *トピックモデル ,  テキスト解析 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (5件)： 埋込み ,  トピック ,  モデリング ,  強化 ,  トピックモデル