資料詳細

目次

第1章 確率の基礎

  1.1 確率

  1.2 確率分布

第2章 ユニグラムモデル

  2.1 文書表現

  2.2 ユニグラムモデル

  2.3 最尤推定

  2.4 最大事後確率推定

  2.5 ベイズ推定

  2.6 ベイズ予測分布

  2.7 ハイパーパラメータ推定

  2.8 モデル選択

第3章 混合ユニグラムモデル

  3.1 混合ユニグラムモデル

  3.2 混合モデル

  3.3 EMアルゴリズム

  3.4 変分ベイズ推定

  3.5 ギブスサンプリング

第4章 トピックモデル

  4.1 トピックモデル

  4.2 グラフィカルモデル

  4.3 最尤推定

  4.4 変分ベイズ推定

  4.5 ギブスサンプリング

  4.6 MAP推定,変分ベイズ推定,ギブスサンプリングの関係

  4.7 潜在意味解析

  4.8 評価尺度

  4.9 実験

第5章 トピックモデルの拡張:他の情報も利用する

  5.1 結合トピックモデル

  5.2 対応トピックモデル

  5.3 ノイズあり対応トピックモデル

  5.4 著者トピックモデル

  5.5 トピック追跡モデル

第6章 トピックモデルの拡張:トピックに構造を入れる

  6.1 相関トピックモデル

  6.2 パチンコ配分モデル

  6.3 確率的潜在意味可視化

第7章 文書以外のデータへの適用

  7.1 画像

  7.2 ネットワーク

第8章 トピック数の推定

  8.1 混合モデルのトピック数の推定

  8.2 トピックモデルのトピック数の推定

付録A 代表的な確率分布

  A.1 ベルヌーイ分布

  A.2 カテゴリ分布

  A.3 正規分布

  A.4 多次元正規分布

  A.5 ポアソン分布

  A.6 指数分布

  A.7 ガンマ分布

  A.8 ウィッシャート分布

  A.9 ベータ分布

ページの先頭へ