Help us understand the problem. What is going on with this article?

【青本】トピックモデルの自分用メモ

More than 1 year has passed since last update.

Chapter1

Chapter2 ユニグラムモデル

重要なこと

文書の集合$W=(w_1,w_2,...,w_D)$

単語vが出現する確率$\phi_v$

確率なので、$v:1toV sum(\phi_v)=1$

文書表現

多重集合(bag)

→BOW(bag-of-words)表現

語彙が同じでも別のものだとする

→→ちょっと考えれば、単語には複数の意味を持つものがある

ユニグラムモデル

文書から単語の頻度より、単語分布を作るっていうモデル

最尤、MAP、ベイズ推定

これらの数学的なところ

こういう機械学習の基礎のあたりは、頻発して、対数尤度、ラグランジュ乗数法、積分は解析的に解けないっていうあたりが出てきたが、それ以前の話も含めて^_^

Chapter3 混合ユニグラムモデル

混合ユニグラムモデル

文書はトピック分布から生成される。単語分布はトピック毎に。

つまり、複数の意味を持つっていう単語の背景には、そのトピックも関わるっていうところ?

EMアルゴ、変分ベイズ、ギブスサンプリング

ネックは数学よりも擬似言語で書かれたアルゴリズムの方

Chapter4 トピックモデル

ASAP

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした