ランダム・プロジェクションによるベクトル空間モデルの次元削減

• Item type: SIG Technical Reports(1)
• 公開日: 2000-01-27
• タイトル: ランダム・プロジェクションによるベクトル空間モデルの次元削減
• タイトル / 言語: en
• タイトル: Dimensional - Space Reduction of Vector Space Model Based on Random Projection
• 言語: jpn
• 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: 徳島大学工学部
• 著者所属: 徳島大学工学部
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Tokushima University
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Tokushima University
• 著者名: 佐々木, 稔; 北, 研二
• 著者名(英): Minoru, Sasaki; Kenji, Kita
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 情報検索システムのなかで代表的な情報検索モデルであるベクトル空間モデルを用いる場合，要素数が非常に多く，スパースなベクトルになるため，検索時間の長さや必要なメモリの量が大きな問題となる．本稿では，この問題を解決するため，ベクトル空間モデルの次元圧縮手法としてランダム・プロジエクションを用いた検索モデルについて述べる．また，提案した手法を用いた検索モデルを構築し，評価用テストコレクションであるMEDLINEを利用した検索実験を行い，その有効性を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Text documents are often represented as high-dimensional and sparse vectors using words as features in a multidimensional space. These vectors require a large number of computer resources and it is difficult to capture underlying concepts referred to by the terms. In this paper, we propose to use the technique of random projection for dimensionality reduction of vector space information retrieval model as a way of solving these problems. we give experimental results of the dimensionality reduction by using this method and show that this method is an improvement over conventional vector space model.
• 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: AN10115061
• 書誌情報: 情報処理学会研究報告自然言語処理（NL）; 巻 2000, 号 11(1999-NL-135), p. 25-32, 発行日 2000-01-27
• 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