文献

J-GLOBAL ID：202202226036035751   整理番号：22A0498366

混合Bayesモデルを用いたトピック変化点検出【JST・京大機械翻訳】

Topic change point detection using a mixed Bayesian model

著者 (6件)： Lu Xiaoling (Center for Applied Statistics, Renmin University of China, Beijing, China) ,  Lu Xiaoling (School of Statistics, Renmin University of China, Beijing, China) ,  Guo Yuxuan (School of Statistics, Renmin University of China, Beijing, China) ,  Chen Jiayi (Intelligent Marketing Platform, Alibaba Group, Beijing, China) ,  Wang Feifei (Center for Applied Statistics, Renmin University of China, Beijing, China) ,  Wang Feifei (School of Statistics, Renmin University of China, Beijing, China)
資料名： Data Mining and Knowledge Discovery  (Data Mining and Knowledge Discovery)
巻： 36  号： 1  ページ： 146-173  発行年： 2022年 
JST資料番号： W1105A  ISSN： 1384-5810  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ニュース記事,ユーザレビューおよびブログを含む動的テキスト文書は,現在,多くの分野で一般的に遭遇する。従って,テキストストリームの根底にある話題も時間とともに変化する。テキスト文書の蓄積増加におけるトピック変化を把握するため,トピックスにおける鍵変化を見つけるための自動テキスト解析モデルを開発する大きな必要性がある。この目的のために,本研究はトピック変化点検出(Topic-CD)モデルを提案した。以前の研究と異なり,トピック語分布に関連したハイパーパラメータの観点から,話題の変化点を定義した。これにより,全トピック集合の根底にある変化点を検出することができる。この定義の下で,トピックモデリングと変化点検出を統一フレームワークに組み合わせ,Markov連鎖モンテカルロアルゴリズムを用いて同時に実行した。さらに,Topic-CDモデルは,前もって変化点の数を設定することがなく,実用化のためにより便利である。合成データと3つの実データセットを用いて,Topic-CDモデルの性能を数値的に調べた。結果は,Topic-CDモデルがいくつかの最先端の方法と比較して,話題における変化ポイントをよく同定することができることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *Markov連鎖
準シソーラス用語： テキスト解析 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 変化点検出 ,  動的トピックモデル ,  潜在的Dirichlet割当 ,  Markov連鎖モンテカルロ法

分類 (2件)： その他の情報処理  (JE15050M) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (3件)： Bayesモデル ,  トピック ,  変化点検出