WEKO3
-
RootNode
アイテム
無限混合ディリクレ文書モデル
https://ipsj.ixsq.nii.ac.jp/records/47941
https://ipsj.ixsq.nii.ac.jp/records/47941abf21464-4625-4db8-8849-f4fea1fc29aa
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-NL06172007.pdf (411.9 kB)
|
Copyright (c) 2006 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2006-03-27 | |||||||
| タイトル | ||||||||
| タイトル | 無限混合ディリクレ文書モデル | |||||||
| タイトル | ||||||||
| 言語 | en | |||||||
| タイトル | Infinite Dirichlet Mixtures in Text Modeling | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||
| 資源タイプ | technical report | |||||||
| 著者所属 | ||||||||
| ATR 音声言語コミュニケーション研究所 音声言語処理研究室 | ||||||||
| 著者所属 | ||||||||
| ATR 音声言語コミュニケーション研究所 音声言語処理研究室 | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| ATR Spoken Language Communication Research Laboratories | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| ATR Spoken Language Communication Research Laboratories | ||||||||
| 著者名 |
持橋, 大地
菊井, 玄一郎
× 持橋, 大地 菊井, 玄一郎
|
|||||||
| 著者名(英) |
Daichi, Mochihashi
Genichiro, Kikui
× Daichi, Mochihashi Genichiro, Kikui
|
|||||||
| 論文抄録 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 文書があるトピックの持つ確率分布から生成されたと仮定し その確率分布パラメータと文書のトピックへの帰属確率を求めるモデルに ナイーブベイズ法を Polya 分布を用いてベイズ的に精密にとらえ直した混合ディリクレモデル(DM)があるが この方法はトピック数を事前に与える必要があるという欠点があった.これに対し 本論文では可算無限個の混合比にディリクレ過程事前分布を与えることにより データの複雑さに合わせて混合数を自動推定するディリクレ過程混合モデルによる方法を検討する. モデル選択により混合数を決定する方法と異なり この方法は混合数の事後分布をパラメータと同時に推定し 期待値を取ることで予測を行うことができる. 実験の結果 必要な混合数の上限を推測することができ 特に小規模データに対しては性能がさらに上昇することがわかった. | |||||||
| 論文抄録(英) | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | This paper proposes a Dirichlet process mixture modeling approach to Dirichlet Mixtures (DM). Endowing a prior distribution on an infinite number of mixture components, this approach yields an appropriate number of components as well as their parameters at the same time. Experimental results on amino acid distributions and text corpora confirmed this effect and show comparative performance on large datasets and better performance on small datasets avoiding overfitting. | |||||||
| 書誌レコードID | ||||||||
| 収録物識別子タイプ | NCID | |||||||
| 収録物識別子 | AN10115061 | |||||||
| 書誌情報 |
情報処理学会研究報告自然言語処理（NL） 巻 2006, 号 36(2006-NL-172), p. 47-53, 発行日 2006-03-27 |
|||||||
| Notice | ||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||
| 出版者 | ||||||||
| 言語 | ja | |||||||
| 出版者 | 情報処理学会 | |||||||
