0.1 0.1.1 Latent Semantic Indexing Latent Semantic Indexing :LSI の次元まとめて次元を下げるという作業を行 なうわけである。 さて、次元を下げるということは当然情報 の損失を伴うわけだが、この損�
0.1 0.1.1 Latent Semantic Indexing Latent Semantic Indexing :LSI の次元まとめて次元を下げるという作業を行 なうわけである。 さて、次元を下げるということは当然情報 の損失を伴うわけだが、この損失を最小限に くいとめるために最小二乗誤差 という考え方 で望む。 2 とは ベクトル空間モデルではタームの生起が独 立であることを仮定して、各タームを一つの 次元に対応させるベクトル空間を作った。し かし、実際にはターム間の独立性は保証され ない。例えば、情報検索の分野では「ベクト ル」と「空間」は高い相関を持つことは容易 に予想できる。この問題への対策としては以 下の 2 点が重要である。 0.1.2 特異値分解 LSI で 用 い る 数 学 的 し か け は 特 異 値 分 解 (Singular Value D
複雑ネットワーク - Wikipedia
ウィキペディア周辺のWWWの構造 ヒトのタンパク質間相互作用の一部 BAモデルにより生成されたランダムネットワーク。各頂点の大きさが次数に対応している。Cytoscape上でRandomNetworksプラグインを使用し作成。 複雑ネットワーク（ふくざつネットワーク、complex networks）は、現実世界に存在する巨大で複雑なネットワークの性質について研究する学問である。 複雑ネットワークは、1998年に「ワッツ・ストロガッツモデル」という数学モデルが発表されたことを契機に、現実世界の様々な現象を説明する新たなパラダイムとして注目を集めている。多数の因子が相互に影響しあうことでシステム全体の性質が決まるという点において複雑系の一分野でもある。 現実世界に存在するネットワークは多様であり、巨大で複雑な構造を有しているが、一定の共通する性質を見出すことができる。それらの性質は「スケール
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
数理論理学入門(Introduction to Mathematical Logic) 高崎金久（京都大学） 〜京都大学での全学共通科目講義に基づく〜
応用音響学資料：HMM(隠れマルコフモデル) とは何か 嵯峨山 茂樹 東京大学大学院情報理工学研究科システム情報学専攻 / 工学部計数工学科 sagayama@hil.t.u-tokyo.ac.jp 概要: 隠れマルコフモデル (H
http://yoshida.kuee.kyoto-u.ac.jp/~yoshida/lecture_sup.html
