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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ)
 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 2016-07-06 13:00
可変ビン幅ヒストグラム密度推定法を組み込んだ確率的トピックモデルの提案
金 秀明岩田具治澤田 宏NTT
技報オンラインサービス実施中
抄録 (和) Latent Dirichlet Allocationに代表される確率的トピックモデルは,単語など離散値のデータだけでなく,単語出現時刻や商品価格など連続値のデータにも適用され,その有効性が示されてきた.しかし連続値データを扱う確率的トピックモデルは,効率的なパラメータ推定を担保するため,クラスタ(トピック)を特徴付ける確率密度分布が単純な正規分布などに限定され,クラスタ形成に大きな制限を抱えていた.本研究では,クラスタを特徴付ける確率密度分布をヒストグラム,すなわちノンパラメトリックな区分定常分布により推定する新たな確率的トピックモデルを構築し,その制限を克服する.提案モデルにおけるパラメータ推定は,ヒストグラムのビン幅選択を含め,効率的な collapsed Gibbs sampling に基づき実行される.本稿では,ビン幅が一定および可変の両場合における推定アルゴリズムを導出した後,関連モデルとの比較実験により提案モデルの有効性を確認する. 
(英) Probabilistic topic models, as represented by latent Dirichlet allocation (LDA), have been widely used for analyzing not only categorical but also continuous data such as times of word appearance and price information. In the topic model for continuous data, however, the component distributions needs to be simple exponential families like normal distributions to perform the efficient parameter estimation, which limits the representative power of the model. In this paper, by incorporating the nonparametric histogram density estimator into the topic model, we construct a new probabilistic topic model to overcome the limitation. The estimation of the parameters, including the bin width selection, is performed by using efficient collapsed Gibbs sampling. We derive the estimation algorithms for the regular and variable bin width scenarios. We apply the proposed method to synthetic data, confirming that it performs well.
キーワード (和) LDA / トピックモデル / ヒストグラム / ビン幅選択 / / / /  
(英) LDA / topic model / histogram / bin width selection / / / /  
文献情報 信学技報, vol. 116, no. 121, IBISML2016-6, pp. 217-223, 2016年7月.
資料番号 IBISML2016-6 
発行日 2016-06-28 (IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NC IPSJ-BIO IBISML IPSJ-MPS  
開催期間 2016-07-04 - 2016-07-06 
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 2016-07-NC-BIO-IBISML-MPS 
本文の言語 日本語 
タイトル(和) 可変ビン幅ヒストグラム密度推定法を組み込んだ確率的トピックモデルの提案 
サブタイトル(和)  
タイトル(英) A New Probabilistic Topic Model Based on Variable Bin Width Histogram 
サブタイトル(英)  
キーワード(1)(和/英) LDA / LDA  
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) ヒストグラム / histogram  
キーワード(4)(和/英) ビン幅選択 / bin width selection  
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) 金 秀明 / Hideaki Kim / キン ヒデアキ
第1著者 所属(和/英) 日本電信電話株式会社 (略称: NTT)
Nippon Telegraph and Telephone Corporation (略称: NTT)
第2著者 氏名(和/英/ヨミ) 岩田 具治 / Tomoharu Iwata / イワタ トモハル
第2著者 所属(和/英) 日本電信電話株式会社 (略称: NTT)
Nippon Telegraph and Telephone Corporation (略称: NTT)
第3著者 氏名(和/英/ヨミ) 澤田 宏 / Hiroshi Sawada / サワダ ヒロシ
第3著者 所属(和/英) 日本電信電話株式会社 (略称: NTT)
Nippon Telegraph and Telephone Corporation (略称: NTT)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2016-07-06 13:00:00 
発表時間 25 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2016-6 
巻番号(vol) IEICE-116 
号番号(no) no.121 
ページ範囲 pp.217-223 
ページ数 IEICE-7 
発行日 IEICE-IBISML-2016-06-28 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会