文献

J-GLOBAL ID：202202262664199008   整理番号：22A0805443

神経変分湾による非線形神経トピックの抽出【JST・京大機械翻訳】

Extracting nonlinear neural topics with neural variational bayes

著者 (10件)： Wang Yiming (College of Computer Science and Technology, Jilin University, Jilin, China) ,  Wang Yiming (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Jilin, China) ,  Li Ximing (College of Computer Science and Technology, Jilin University, Jilin, China) ,  Li Ximing (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Jilin, China) ,  Ouyang Jihong (College of Computer Science and Technology, Jilin University, Jilin, China) ,  Ouyang Jihong (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Jilin, China) ,  Guo Zeqi (College of Computer Science and Technology, Jilin University, Jilin, China) ,  Guo Zeqi (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Jilin, China) ,  Wang Yimeng (College of Computer Science and Technology, Jilin University, Jilin, China) ,  Wang Yimeng (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Jilin, China)
資料名： World Wide Web: Internet and Web Information Systems  (World Wide Web: Internet and Web Information Systems)
巻： 25  号： 1  ページ： 131-149  発行年： 2022年 
JST資料番号： W2172A  ISSN： 1386-145X  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： 最近,トピックモデリングは,ニューラル変分推論によってアップグレードされ,同時に,モデル構造をより深くし,再パラメータ化トリックによる効率的な更新規則を提案する。ニューラルトピックモデルとしてこの最近の新しい芸術を形式的に呼んだ。本論文では,トピック埋込みを定式化し,トピックと単語埋込み間の線形変換によりトピック内の単語重みを測定し,冗長で不正確なトピック表現をもたらす,ニューラルトピックモデルの問題を検討した。この問題を解決するために,著者らは,新しいニューラルトピックモデル,すなわち,線形Neural T Opics(GMnnt)に関するNによる一般化M odelを提案する。GMnntの洞察は,埋込み空間における単語間の非線形関係を捉えるために,ニューラルトピックと呼ばれるトピックのニューラルネットワークとトピック埋込みを置き換えることであり,より正確なトピック表現を誘導できる。ニューラル変分推論のフレームワークの下でGMnntの推論プロセスを導いた。短いテキストと通常の長いテキストのデータセットを含む文書の幾つかの広く使用された収集について,広範な経験的研究が行われている。実験結果は,GMnntが従来のトピックモデルおよびニューラルトピックモデルと比較して,より意味論的にコヒーレントな話題を出力できることを検証した。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： コヒーレンス ,  *変分法 ,  意味論 ,  冗長性 ,  ニューラルネットワーク ,  線形性 ,  一次変換 ,  確率モデル ,  推論 ,  定式化 ,  文書 ,  単語 ,  パラメタリゼーション
準シソーラス用語： トピックモデル ,  変分推論 , 【Automatic Indexing@JST】

著者キーワード (4件)： 変分オートエンコーダ ,  トピックモデリング ,  神経トピック ,  再パラメタリゼーション

分類 (2件)： 計算機網  (JC03000K) ,  通信網  (ND07030A)

タイトルに関連する用語 (4件)： 神経 ,  変分 ,  非線形 ,  トピック