Microsoft PowerPoint - Canon-MachineLearning27-jp.pptx
Canon ２０１２年９月１３日 トピックモデル概論 東京工業大学 計算工学専攻 杉山 将 sugi@cs.titech.ac.jp http://sugiyama-www.cs.titech.ac.jp/~sugi/ 概要 文書のモデル化は，自然言語処理や 機械学習の分野で盛んに研究されて いる 本講義では，文書のモデル化技術の 発展の経緯を概観する 2 講義の流れ 1. 2. 3. 4. 5. 6. 潜在意味解析（LSA） 多項混合（MM）モデル ポリヤ混合（PM）モデル 確率的潜在意味解析（pLSA）モデル 潜在的ディリクレ配分（LDA）モデル 拡張LDAモデル 3 文書単語行列 ：全文書データ（文書数 ：文書（長さ ） ：単語（語彙数 ） ：文書 中の単語 の出現回数を 要素に持つ文書単語行列 （大きさ ，一般にスパース） ） 4 潜在意味解析（LSA） 文書
Mallet TopicModeling - decadence
Mallet is MAchine Learning for LanguagE Toolkit MALLETはstatistical NLP, Document Classification, クラスタリング，トピックモデリング，情報抽出，及びその他のテキスト向け機会学習アプリケーションを行うためのJavaツール 特にLDAなどを含めたトピックモデルに関して得意としているようだ これらの処理を行う際に，すぐにpythonだ，GenSimだ，と言ってしまわないよう Javaでも出来る事を空いた時間に遊びも兼ねて触ってみようと思う． 公式のQuickStartも良いが，今回は以下のものを軽く翻訳しながらsample-dataをいじる Getting Started with Topic Modeling and MALLET データのインポート．enディレクトリ以下に，各文書ファイルが個々にt
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
