文書間距離定義の自己組織化マップの分類性能に及ぼす影響
スポンサーリンク
概要
- 論文の詳細を見る
本稿では,単語頻度ベクトルで表現される文章と,自己組織化するニューロン参照ベクトル間の距離として,通常のユークリッド自乗誤差,多項分布に基づく対数ゆう度,およびコサイン類似度のそれぞれを用いる自己組織化マップ(SOM)について考える.これら距離定義を用いたSOMを統計モデルの観点で定式化するとともに,それらの学習アルゴリズムを導出する.3種のベンヂマーク文書データを用いた評価実験では,定式化した各SOMモデルにおける分類性能や自己組織化マップを比較する.
- 社団法人電子情報通信学会の論文
- 2003-11-14
著者
関連論文
- LA-002 固体酸化物燃料電池における破壊ダイナミクスの可視化法(モデル・アルゴリズム・プログラミング)
- ベクトル表現可能な機械抽出トピックの定量的評価法
- ベクトル表現可能な機械抽出トピックの定量的評価法(セッション3)
- 自己組織化マップによる教師情報を用いた可視化アーキテクチャの提案 : 時系列医療データの可視化を例に(「ネットワークデータマイニング」「センサデータマイニング」)
- 自己組織化マップによる教師情報を用いた可視化アーキテクチャの提案 : 時系列医療データの可視化を例に(「ネットワークデータマイニング」「センサデータマイニング」)
- Webのトピックダイナミックスモデル
- Webのトピックダイナミックスモデル (特集:「ネットワークが創発する知能」および一般)
- 文書間距離定義の自己組織化マップの分類性能に及ぼす影響
- クロスエントロピー最小化に基づくネットワークデータの埋め込み(知識処理)
- ニューラルネットを用いた法則発見
- 文書ストリームからのホットトピック抽出を目的としたSR法の拡張
- 成長ネットワークにおける情報伝搬モデルを用いたリンク予測
- 文書ストリームからのホットトピック抽出を目的としたSR法の拡張
- 成長ネットワークにおける情報伝搬モデルを用いたリンク予測