Wikipediaを知識源とする分野トピックモデルの推定と分析

• Item type: SIG Technical Reports(1)
• 公開日: 2012-11-12
• タイトル: Wikipediaを知識源とする分野トピックモデルの推定と分析
• タイトル / 言語: en
• タイトル: Estimating and Analyzing a Domain Topic Model of Wikipedia Entries
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: テキスト処理
• 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: 筑波大学大学院システム情報工学研究科
• 著者所属: 筑波大学大学院システム情報工学研究科
• 著者所属: 筑波大学大学院システム情報工学研究科
• 著者所属: 筑波大学システム情報系
• 著者所属: (株)ログワークス
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems and Information Engineering, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems and Information Engineering, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems and Information Engineering, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Information and Systems, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): LOG WORKS Co., Ltd.
• 著者名: 牧田, 健作; 鈴木, 浩子; 小池, 大地; 宇津呂, 武仁; 河田, 容英
• 著者名(英): Kensaku, Makita; Hiroko, Suzuki; Daichi, Koike; Takehito, Utsuro; Yasuhide, Kawada
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，特定のキーワードをクエリとして収集したブログ記事集合を対象として，ブログ記事集合中の話題の広がりを俯瞰することを目的として， Wikipedia を知識源とする分野トピックモデルを提案し，その推定法，および，ブログ記事集合への適用結果について述べる．具体的には，ブログ記事集合から抽出した Wikipedia エントリタイトルに対して， 「地球温暖化」 における 「気象学・天文学・生物学・エネルギー・工業」 といった分野に対応するトピックモデルを推定し，その特性を分析する．特に，この Wikipedia を知識源とする分野トピックモデルを，ブログ記事集合から推定した通常のトピックモデルと比較して，両者の特性の違いを分析し，ブログ記事集合中の話題の広がりを俯瞰する目的において両者が相補的な関係にあることを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In order to address the issue of quickly overviewing the distribution of the contents of the collection of blog posts, this paper proposes a framework of estimating a topic model, namely “a domain topic model”, which is a topic model estimated with the texts of Wikipedia entries extracted from the collection of blog posts. In this “domain topic model” of Wikipedia entries, each topic represents domains such as meteorology, astronomy, biology, energy, and industry, that are closely related to a query term, e.g., “global warming”. We compare the proposed approach of topic modeling with Wikipedia knowledge source and the standard topic modeling without Wikipedia knowledge source. Both topic modeling results have quite different nature and contribute to quickly overviewing the search result of blog posts in a quite complementary fashion.
• 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: AN10112482
• 書誌情報: 研究報告データベースシステム（DBS）; 巻 2012-DBS-155, 号 11, p. 1-11, 発行日 2012-11-12
• 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