スパース構造学習に基づく語の潜在的共起グラフ抽出－転職サイト会員アンケートを題材としてトピックモデルと分散表現の比較－

• Item type: SIG Technical Reports(1)
• 公開日: 2018-08-30
• タイトル: スパース構造学習に基づく語の潜在的共起グラフ抽出－転職サイト会員アンケートを題材としてトピックモデルと分散表現の比較－
• タイトル / 言語: en
• タイトル: Latent co-occurrence words graph extraction using sparse structure learning —Comparison of word vectors between topic model and distributed representation—
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: テキスト分析のための技術
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: パーソルキヤリア
• 著者所属: パーソルキヤリア
• 著者所属: パーソルキヤリア
• 著者所属(英): en
• 著者所属(英): PERSOL CAREER
• 著者所属(英): en
• 著者所属(英): PERSOL CAREER
• 著者所属(英): en
• 著者所属(英): PERSOL CAREER
• 著者名: 窪野, 哲光; 日吉, のぞみ; 明石, 大樹
• 著者名(英): Norimitsu, Kubono; Nozomi, Hiyoshi; Daiju, Akashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 人材サービス会社パーソルキャリアが運営する転職サイト DODA の会員アンケートから顧客インサイトを抽出するために，トピック相関 ・ 共変量情報を組み込むことができる 「構造トピックモデル」 の適用検討を進めている．先に，「ベイジアンネット構造学習」 による特徴選択と可視化，「自己組織化マップ」 による文書クラスタリングを報告した．今回，顧客インサイトを抽出する新たな方法として，語の共起グラフからスパース構造学習に基づく潜在的共起グラフ抽出を，トピックモデル （構造トピックモデル，LDA)，分散表現 (word 2 vec，Glove) の 4 種類の語ベクトルを作成して，スパース構造学習の正則化パラメータとグラフクラスタリングにより評価を行った．さらに，グラフクラスタを基底とする文書ベクトルを定義し，文書クラスタリングへの応用可能性検討も行った．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We are considering application of "structural topic model" in order to extract customer insight from member questionnaire on job change site DODA. As a new method of extracting customer insight, we investigated extracting latent co-occurrence graph based on sparse structure learning method from word co-occurrence graph. We made a word vector from four types of topic model (structural topic model, LDA) and distributed representation (word 2 vec. Glove) and evaluated using sparsity estimation regularization parameters and graph cluster. Furthermore, we interpreted the graph cluster as a topic, defined document vectors, and also applied feasibility study to document clustering.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10539261
• 書誌情報: 研究報告ドキュメントコミュニケーション（DC）; 巻 2018-DC-110, 号 11, p. 1-6, 発行日 2018-08-30
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8892
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会