| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-06-25 09:55 バイタームトピックモデルの確率的ダイバージェンス最小化 ○崔 正行（東大）・佐藤一誠（東大/理研）・杉山 将（理研/東大）  IBISML2017-7 |
|
| 抄録 | （和） | セルフメディアとソーシャルネットワークの出現と発展に伴ない、大量のショートテキストが処理されないまま蓄積されている。集積されたショートテキストの潜在トピックを推定することは、データの潜在的な構造を理解するのに有用である。pLSAとLDAのような伝統的なトピックモデルは、文書レベルの単語共起のスパース性のため、ショートテキストからなるデータセットで良い結果が得られない。それに対して単語対の生成過程を直接モデリングすることにより、このスパース性を克服するバイタームトピックモデル(BTM)が近年提案された。そして、崩壊型ギブズサンプリングや崩壊型変分推定などのバッチアルゴリズムに基づいた大規模なデータセットへ適用できるBTMの確率的推論アルゴリズムが開発された。しかし、これらの手法は大きな計算量を必要とするか、または粗い推定の上で成り立っている。 本論文では、大規模なデータセットへも適用できるBTMの確率的ダイバージェンス最小化の手法を提案する。そして、われわれのアルゴリズムの従来の手法に対する優位性を実験的に示す。 |
| （英） | Inferring latent topics of collected short texts is useful for understanding its hidden structure and predicting new contents. A biterm topic model (BTM) was recently proposed for analyzing short texts.Stochastic inference algorithms based on collapsed Gibbs sampling (CGS) and collapsed variational inference have been proposed for BTM. However, they either require large computational complexity, or rely on very crude estimation. In this paper, we develop a stochastic divergence minimization inference algorithm for BTM to estimate latent topics more accurately in a scalable way. Experiments demonstrate the superiority of our proposed algorithm compared with existing inference algorithms. | |
| キーワード | （和） | ショートテキスト / トピックモデル / バイターム / 確率的推論アルゴリズム / / / / |
| （英） | short text / topic model / biterm / stochastic inference algorithm / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 110, IBISML2017-7, pp. 185-192, 2017年6月. | |
| 資料番号 | IBISML2017-7 | |
| 発行日 | 2017-06-16 (IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2017-7 |
|
| 研究会情報 | |
| 研究会 | NC IPSJ-BIO IBISML IPSJ-MPS |
| 開催期間 | 2017-06-23 - 2017-06-25 |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| テーマ（和） | 機械学習によるバイオデータマインニング、一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining, and General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-06-NC-BIO-IBISML-MPS |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | バイタームトピックモデルの確率的ダイバージェンス最小化 |
| サブタイトル（和） | |
| タイトル（英） | Stochastic Divergence Minimization for Biterm Topic Model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ショートテキスト / short text |
| キーワード(2)（和/英） | トピックモデル / topic model |
| キーワード(3)（和/英） | バイターム / biterm |
| キーワード(4)（和/英） | 確率的推論アルゴリズム / stochastic inference algorithm |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 崔 正行 / Zhenghang Cui / サイ ショウコウ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 佐藤 一誠 / Issei Sato / サトウ イッセイ |
| 第2著者 所属（和/英） | 東京大学/理化学研究所 (略称： 東大/理研) The University of Tokyo/RIKEN (略称： Univ. of Tokyo/RIKEN) |
| 第3著者 氏名（和/英/ヨミ） | 杉山 将 / Masashi Sugiyama / スギヤマ マサシ |
| 第3著者 所属（和/英） | 理化学研究所/東京大学 (略称： 理研/東大) RIKEN/The University of Tokyo (略称： RIKEN/Univ. of Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-06-25 09:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2017-7 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.110 |
| ページ範囲 | pp.185-192 |
| ページ数 | 8 |
| 発行日 | 2017-06-16 (IBISML) |
[研究会発表申込システムのトップページに戻る]