@techreport{oai:ipsj.ixsq.nii.ac.jp:00095175,
 author = {持橋, 大地 and 吉井, 和佳 and 後藤, 真孝 and Daichi, Mochihashi and Kazuyoshi, Yoshii and Masataka, Goto},
 issue = {11},
 month = {Sep},
 note = {本論文では，単語に潜在空間における座標を明示的に与え，その上でのガウス過程を考えることで，通常の混合モデルに基づくトピックモデルより高精度なテキストモデルが得られることを示す．提案法は潜在層が二値ではなく，ガウス分布に従う RBM の生成モデルともみることができ，MCMC により単語の潜在座標を学習することは他の多くの応用や，可視化にも自然に繋がることができる．, This paper proposes a continous space text model based on Gaussian processes. Introducing latent coordinates of words over which the Gaussian process is defined, we can encode word correlations directly and lead to a model that performs better than mixture models. Our model would serve as a foundation of more complex text models and also as a statistical visualization of texts.},
 title = {ガウス過程に基づく連続空間トピックモデル},
 year = {2013}
}