生成モデルからの識別分類器の導出【JST・京大機械翻訳】

抄録/ポイント：

抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

Bayes生成と識別分類器を扱った。モデル分布p(x,y)を観測yとターゲットxによって,1つはp(x,y)を最初に考慮して,次に,p(x|y)を計算するためにBayes規則を用いて,生成分類装置を計算する。識別モデルをp(x|y)によって直接与えて,それを識別分類装置を計算するために使用する。しかしながら,最近の研究は,Naive Bayes(NB)または隠れMarkov連鎖(HMC)から定義されたBayes最大事後分類器,両方の生成モデルも識別分類器定義に整合できることを示した。したがって,分類器を「生成」と「識別」に分割する状況がいくらか誤解している。実際,そのような区別は分類器自身ではなく,分類器の計算の方法に関連している。生成モデルから誘導される生成分類器が,同じモデルから弁別的方法でどのように計算できるかを,一般的な理論結果を提示した。NBとHMCの例を再び特定ケースとして見出し,一般的結果をNBの2つのオリジナルな拡張と,その1つはオリジナルであるHMCの2つの拡張に適用した。最後に,自然言語処理(NLP)フレームワークにおける分類器の新しい識別方法の興味を短く説明した。【JST・京大機械翻訳】