Yazar
Kandemir, Melih, Kekeç, T., Yeniterzi, Reyyan
Basım Tarihi
2018-05
Basım Yeri
-
Elsevier
Konu
Gizli Dirichlet tahsisi, Parametrik olmayan Bayes çıkarımı, Gauss süreçleri, Varyasyonel çıkarım, Denetimli konu modelleri
Tür
Süreli Yayın
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
0031-3203
Kayıt Numarası
9071858b-d33c-49fc-b4b3-0df83d8d9446
Lokasyon
Bilgisayar Bilimi
Tarih
2018-05
Notlar
Hollanda Bilimsel Araştırma Örgütü (NWO)
Örnek Metin
Konu modelleme, yüksek boyutlu histogramlar olarak temsil edilen verileri modellemek için güçlü bir yaklaşımdır. Bu tür giriş verilerinin yüksek boyutluluğu, dil modelleme ve metin verisi keşfi dahil olmak üzere denetimsiz uygulamalarda son derece faydalı olsa da, tahmin performansını artırmak için sınıf bilgilerinin mevcut olduğu durumlarda zorluklara neden olur. Bu tür bir girdiyi doğrudan bir sınıflandırıcıya beslemek, boyutluluk lanetinden muzdariptir. Boyut azaltma ve sınıflandırma işlemlerini ayrı ayrı gerçekleştirmek ise bu iki adım arasındaki boşlukta birbirinden habersiz bilgi kaybı nedeniyle optimum performanstan yararlanamaz. Bu tür senaryolara çözüm olarak sunulan mevcut denetimli konu modelleri, çıkarımı takip edilebilir tutmak için şu ana kadar yalnızca doğrusal sınıflandırıcıları birleştirdi ve bu da ifade gücünden dramatik bir fedakarlığa neden oldu. Bu yazıda konu modelleme ve doğrusal olmayan sınıflandırmayı birlikte gerçekleştirecek ilk Bayes yapısını öneriyoruz. Konu modelleme için iyi bilinen Gizli Dirichlet Tahsisi'ni (LDA) ve doğrusal olmayan sınıflandırma için seyrek Gauss süreçlerini kullanıyoruz. Bu iki bileşeni, derlemdeki her belgenin ampirik konu dağılımını kodlayan gizli bir değişkenle birleştiriyoruz. Yeni ortaya çıkan derin Gauss süreçlerinden fikirleri konu modelleme alanına uyarlayarak yeni bir varyasyonel çıkarım şeması elde ediyoruz. Modelimizin, (i) ayrık LDA ve doğrusal olmayan sınıflandırma, (ii) ortak LDA ve doğrusal sınıflandırma, (iii) ortak LDA olmayan doğrusal altuzay modelleme ve doğrusal sınıflandırma ve (iv) konu modelleme olmadan doğrusal olmayan sınıflandırma gibi diğer mevcut yaklaşımlardan daha iyi performans gösterdiğini iki gerçek dünya uygulamasından alınan üç kıyaslama veri setinde gösteriyoruz: metin kategorizasyonu ve görüntü etiketleme.
DOI
10.1016/j.patcog.2017.12.019
Cilt
77
