講演抄録/キーワード |
講演名 |
2015-06-23 11:10
大規模データ・高次元トピックに対応したトピックモデル ○横井創磨・佐藤一誠・中川裕志(東大) IBISML2015-5 |
抄録 |
(和) |
大規模な文書データに対して頻度分布のロングテールに位置する単語は情報量が少ないため,トピックモデルと呼ばれる単語の統計モデルを分布の背後に仮定することで,検索エンジンやオンライン広告などの性能が向上することが知られている.しかし,このような場面において用いられるトピックモデルは,予め仮定する潜在トピック数を高次元に設定する必要があり,計算速度や必要メモリ量が問題になる.トピックモデルの最も基本的なモデルである LDA に対して,大量の文書を扱える SGRLD LDA や高次元のトピックを扱える AliasLDA などの手法が存在するが,大量の文書・高次元のトピックを同時に達成するためには非効率的なアルゴリズムを巨大な計算機リソースを用いて実行しなくてはならない.そこで本研究では,これらの手法をうまく組み合わせることで効率的な計算を可能にする.また,勾配計算において更新の方法を工夫することにより,余分な空間を使わずに期待値計算を行うことができる.実験により,提案手法は大規模データかつ高次元トピックでも実行可能であり,さらに既存手法と比較して速く,特に高次元トピックでは10倍以上高速であることを示す. |
(英) |
It is known that topic model with high dimensional topics improves IR performance like search engines and online advertisements, because it helps to model long-tail words in large scale corpora. However, high dimensional topics with large corpora cause 2 problems: computational performance and memory requirement. For the fundamental topic model, LDA, SGRLD LDA is proposed to scale to large corpora and AliasLDA to accelerate computing topics. In this paper, we propose a method for both topic computation and data scalability, by combining these techniques. Also careful calculation of gradients reduces required space to expectations. Experiments demonstrate that our method is scalable for both corpus size and topic dimension, also achieve faster runtime speed compared to the existing approach, especially 10+ times faster on high dimensional topics setting. |
キーワード |
(和) |
トピックモデル / Langevin MCMC / alias法 / スケーラビリティ / / / / |
(英) |
topic modeling / Langevin MCMC / alias method / scalability / / / / |
文献情報 |
信学技報, vol. 115, no. 112, IBISML2015-5, pp. 27-31, 2015年6月. |
資料番号 |
IBISML2015-5 |
発行日 |
2015-06-16 (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 |
IBISML2015-5 |
研究会情報 |
研究会 |
NC IPSJ-BIO IBISML IPSJ-MPS |
開催期間 |
2015-06-23 - 2015-06-25 |
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 |
2015-06-NC-BIO-IBISML-MPS |
本文の言語 |
日本語 |
タイトル(和) |
大規模データ・高次元トピックに対応したトピックモデル |
サブタイトル(和) |
|
タイトル(英) |
Corpus and Topic Scalable Topic Model |
サブタイトル(英) |
|
キーワード(1)(和/英) |
トピックモデル / topic modeling |
キーワード(2)(和/英) |
Langevin MCMC / Langevin MCMC |
キーワード(3)(和/英) |
alias法 / alias method |
キーワード(4)(和/英) |
スケーラビリティ / scalability |
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) |
横井 創磨 / Soma Yokoi / ヨコイ ソウマ |
第1著者 所属(和/英) |
東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
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 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
第3著者 氏名(和/英/ヨミ) |
中川 裕志 / Hiroshi Nakagawa / ナカガワ ヒロシ |
第3著者 所属(和/英) |
東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
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 |
第1著者 |
発表日時 |
2015-06-23 11:10:00 |
発表時間 |
25分 |
申込先研究会 |
IBISML |
資料番号 |
IBISML2015-5 |
巻番号(vol) |
vol.115 |
号番号(no) |
no.112 |
ページ範囲 |
pp.27-31 |
ページ数 |
5 |
発行日 |
2015-06-16 (IBISML) |