大規模データ処理のための行列の低ランク近似 -- SVD から用例ベースの行列分解まで -- - 武蔵野日記
id:naoya さんのLatent Semantic Indexing の記事に触発されて、ここ1週間ほどちょくちょく見ている行列の近似計算手法について書いてみる。ここでやりたいのは単語-文書行列(どの単語がどの文書に出てきたかの共起行列)や購入者-アイテム行列(どの人がどの本を買ったかとか、推薦エンジンで使う行列)、ページ-リンク行列(どのページからどのページにリンクが出ているか、もしくはリンクをもらっているか。PageRank などページのランキングの計算に使う)、といったような行列を計算するとき、大規模行列だと計算量・記憶スペースともに膨大なので、事前にある程度計算しておけるのであれば、できるだけ小さくしておきたい(そして可能ならば精度も上げたい)、という手法である。 行列の圧縮には元の行列を A (m行n列)とすると A = USV^T というように3つに分解することが多いが、も
NTT CS研オープンハウス×未来想論2009 未来想論 コンピュータが言葉の意味を理解できると何が変わるか？ ―検索エンジンを超えるもの―
乾 健太郎（パネリスト） 奈良先端科学技術大学院大学 情報科学研究科 准教授 奈良先端科学技術大学院大学 情報科学研究科 准教授．専門は計算言語学．言語情報や知識の自動編集に関する研究に従事．1995年東京工業大学博士課程修了．同大学助手，九州工業大学助教授を経て，現職．情報処理学会自然言語処理研究会幹事，Computational Linguistics編集委員．人工知能学会1997年度論文賞，COLING/ACL-2006 Best Asian NLP Paper Award，言語処理学会年次大会優秀発表賞等，受賞．博士（工学）． 増市 博（パネリスト） 富士ゼロックス(株) 研究技術開発本部 研究主査 1991年 京都大学大学院工学研究科修士課程修了．同年，富士ゼロックス株式会社入社．1998年-2000年 スタンフォード大学CSLI客員研究員およびXerox PARCコンサルタント
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
