메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Bong-Kee Sin (Pukyong National University)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.45 No.7
발행연도
2018.7
수록면
701 - 707 (7page)
DOI
10.5626/JOK.2018.45.7.701

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2018

Infinite Latent Topic Models for Document Analysis
Bong-Kee Sin Journal of KIISE 2018.07 학술저널

2017

Infinite Latent Topic Models for Document Analysis
Bong-Kee Sin 한국정보과학회 학술발표논문집 2017.12 학술대회자료

초록· 키워드

오류제보하기
토픽의 개념은 매우 추상적이기 때문에 텍스트의 토픽 표현을 정의하기는 매우 어렵다. 문제의 맥락이나 필요에 따라 다양한 수준에서 토픽을 구분할 수 있는데 이 때문에 문서 분석을 자동화하기가 어렵게 된다. 본 논문에서는 널리 알려진 Latent Dirichlet Allocation (LDA) 모형을 무한 토픽 모형으로 확장하는 방법으로 무한 잠재 디리슐레 토픽 모형과 무한 잠재 마르코프 토픽 모형을 제안한다. 첫째 모형은 디리슐레 과정(Dirichlet process)을 이용하여 LDA에서 토픽의 고정된 개수 제한을 푸는 방법이다. 둘째 모형은 여기에 마르코프의 동적 연쇄 특징을 추가하여 텍스트 토픽의 순차적 변화 구조를 포착하는 방법이다. 제안 모델은 모두 문서를 적절한 수준의 토픽에서 구성을 분석할 수 있어서 이론적 엄밀성과 구조적 유연성을 제공한다. 일련의 실험을 통하여 관찰된 분석 결과로 기존의 LDA와 변분법 추론에 기반한 동일 모형과 비교하였을 때 보다 직관적이며 국소적 토픽 정상성(topic-stationarity)을 잘 보여주는 것을 확인해 주었다.
#토픽 모델 #무한 잠재 토픽 #디리슐레 과정 #마르코프 연쇄 #깁스 표집 #topic model #infinite latent topics #Dirichlet process #Markov chain #Gibbs sampling

목차

요약
Abstract
1. Introduction
2. Latent Dirichlet Allocation
3. Infinite Latent Dirichlet Topic Model
4. Infinite Latent Markov Topic Model
5. Gibbs Sampling Inference
6. Experiment and Discussion
7. Conclusion
References

참고문헌 (13)

참고문헌 신청
C. Bishop, Pattern Recognition and Machine Learning, Springer, 2006. D. Blei, A. Ng, and M. Jordan, Latent Dirichlet Allocation, J. of Machine Learning, Vol. 3, No. 4-5, pp. 993-1022, 2003. C. Kwak, S. Kim, S. Park and K. Kim, Topic Expansion based on Infinite Vocabulary Online LDA Topic Model using Semantic Correlation Information, KIISE Trans. Computing Practices, Vol. 22, No. 9, pp. 461-466, Sep. 2016. Y. W. Teh, M. Jordan, M. Beal, and D. Blei, Hierarchical Dirichlet processes, J. Am. Stat. Assoc., 101:1566-1581, 2006. M. Beal, Z. Ghahramani, and C. Rasmussen, The infinite hidden Markov model, Advances in NIPS, Vol. 14, pp. 577-585, 2002.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝 기반의 R-CNN을 이용한 악성코드 탐지 기법
조영복 디지털콘텐츠학회논문지 2018 .06
WV-BTM: SNS 단문의 주제 분석을 위한 토픽 모델 정확도 개선 기법
송애린 ,  박영호 디지털콘텐츠학회논문지 2018 .01
LDA 토픽 모델링을 활용한 판례 검색 및 분류 방법
심준식 ,  김형중 전자공학회논문지 2017 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-569-003113630