文献

J-GLOBAL ID：202202229792450995   整理番号：22A0696210

短いテキストトピックモデリング技術,応用,および性能:調査【JST・京大機械翻訳】

Short Text Topic Modeling Techniques, Applications, and Performance: A Survey

著者 (5件)： Qiang Jipeng (Department of Computer Science, Yangzhou University, Jiangsu, China) ,  Qian Zhenyu (Department of Computer Science, Yangzhou University, Jiangsu, China) ,  Li Yun (Department of Computer Science, Yangzhou University, Jiangsu, China) ,  Yuan Yunhao (Department of Computer Science, Yangzhou University, Jiangsu, China) ,  Wu Xindong (Key Laboratory of Knowledge Engineering with Big Data, Ministry of Education, Hefei University of Technology, Hefei, Anhui, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 3  ページ： 1427-1445  発行年： 2022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： 短いテキストの解析は,多くの実世界アプリケーションが短いテキストの意味理解を必要とするので,決定的で基本的なタスクである弁別的でコヒーレントな潜在トピックを推論する。単語共起性に基づく従来の長いテキストトピックモデリングアルゴリズム(例えばPLSAとLDA)は,非常に限られた単語共起情報だけが短いテキストで利用可能であるので,この問題を非常に良く解決できない。したがって,短いテキストトピックモデリングは,近年,機械学習研究コミュニティから多くの注目を集めており,それは,短いテキストにおけるスパース性の問題を克服することを目的とする。この調査では,文献で提案された様々な短いテキストトピックモデリング技術の包括的なレビューを行った。Dirichlet多項混合,大域的単語共起,および自己凝集に基づく3つのカテゴリーを,各カテゴリにおける代表的なアプローチの例,および様々なタスクに関するそれらの性能の解析により提示する。統一インタフェイス,ベンチマークデータセット内のすべての調査アルゴリズムを統合し,この研究分野における新しい方法の拡張を促進するために,STTMと呼ばれる最初の包括的オープンソースライブラリを開発した。最後に,著者らは,多くの実世界データセットに関するこれらの最先端の方法を評価し,それらの性能を,他のものおよび長いテキストトピックモデリングアルゴリズムと比較した。Copyright 2022 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： アルゴリズム ,  コヒーレンス ,  コミュニティ ,  *モデリング ,  応用プログラム ,  性質 ,  インタフェイス ,  単語 ,  機械学習 ,  意味解析
準シソーラス用語： 自己凝集 ,  スパース性 ,  共起性 ,  PLSA ,  共起情報 ,  意味理解 ,  モデリング技術 , 【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 (2件)： 応用 ,  調査