時系列データからのネットワークモデルの教師なし学習方式 : Incremental Path Methodの提案

概要

論文の詳細を見る
記号系列からネットワークモデルを構築するには, 従来マルコフモデルなどが多く用いられていた. しかし, 音声認識で用いられる隠れマルコフモデルは, 単位の音素モデルを数個の状態とleft-to-rightの遷移からなるものと仮定し, それを事前に与える規則で組み合わせるなど, 事前に多くの仮定がなされている. また, 意味ネットワークなど, より複雑なトポロジー構造を有するネットワークモデルでも, 隠れマルコフモデルと同様, その構成に事前の知識や人間の視察, 直観に基づく仮定が使われているため, 事前の知識がなかったり, 人手で扱えない大規模なデータから, ネットワークを構成することが困難である. 本論文では事前にネットワークのトポロジーとノード間遷移を設計することなく時系列出力から自動的にネットワークモデルを構成する方式を提案する. 本方式では, 数千から数万以上のノード数を必要とする大規模ネットワークの自動構築が容易であり, これをデータの検索やパターン認識のモデルとして利用できる. 例として, 5万語を超えるテキストデータ入力に対してノード数が5000の規模のネットワークの構成を示し, これを利用したテキスト検索実験の結果を示した.
社団法人電子情報通信学会の論文
1999-01-25

時系列データからのネットワークモデルの教師なし学習方式 : Incremental Path Methodの提案

スポンサーリンク

概要

著者

関連論文

スポンサーリンク