トピックモデル勉強会: 第2章 Latent Dirichlet Allocation
•
7 j'aime•3,410 vues
「トピックモデルによる統計的潜在意味解析」輪読会 第2章 Latent Dirichlet Allocation 職場の勉強会での資料です。
Recommandé
Contenu connexe
Tendances
Tendances (20)
En vedette
En vedette (20)
トピックモデル勉強会: 第2章 Latent Dirichlet Allocation
- 1. 「トピックモデルによる統計的潜在意味解析」輪読会 第2章 Latent Dirichlet Allocation 尾崎 遼 15/08/24
- 2. 内容 この章の目的 統計的潜在意味解析で用いられる統計モデルの一つであるLatent Dirichlet Allocation (LDA) について直感的な理解を得る （学習アルゴリズムは3章で扱う） 目標 LDAが文章集合をどのようにモデル化しているか説明できる LDAの幾何学的な解釈から名前の由来を説明できる LDAの応用例を挙げることができる 2
- 3. 準備: 多項分布 確率分布 π に従ってK個の値のいずれかをとる確率変数 x があるとき、 N回の独立な試行でそれぞれの値がでた回数が従う確率分布を多項分布という。 3 k番目の値が出た回数 １回の試行でk番目の値をとる確率 1回の試行の場合は以下のようにかける N回の独立な試行の結果
- 5. 準備: Dirichlet分布は多項分布の共役事前分布 Dirichlet分布は多項分布の事前分布として用いられる 多項分布のパラメタは単体上の点と解釈できる 多項分布の共役事前分布(conjugate prior)であるから ＝多項分布を尤度、Dirichlet分布を事前分布とすると、事後分布の形もDirichlet分布に なる → 数学的な取り扱いが容易になる 5 事後分布 事前分布尤度 nk+αk をパラメタとするDirichlet分布になる → 頻度 nk が加算されたイメージ 証明は 式(2.7)
- 6. 文書中の単語の共起関係をどのようにモデル化するか 6 潜在トピック V種類の単語から成るM個の文書集合 文書 文書 d の i 番目の単語 入力 単語のインデックス 潜在トピックの数 K 文書中の各単語はある潜在トピックから出現すると仮定 → トピックごとの単語の出現分布として、多項分布を設定 → さらにこの多項分布のパラメタの事前分布として、ディリクレ分布を設定 各文書に複数のトピックが潜在していると仮定 → 文書ごとの潜在トピックの出現分布として、多項分布を設定 → さらにこの多項分布のパラメタの事前分布として、ディリクレ分布を設定
- 7. LDAにおける生成過程 7 潜在トピック V種類の単語から成るM個の文書集合 文書 文書 d の i 番目の単語 入力 出力 文書 d での潜在トピック k の出現確率 文書 d の i 番目の単語が どの潜在トピックから生成されたかを 示す潜在変数 潜在トピック k での単語 v の出現確率単語のインデックス 潜在トピックの数 K 各文書での潜在トピック出現確率 各トピックでの単語出現確率 各トピックでの単語出現確率
- 8. LDAのグラフィカルモデル 8 潜在トピック k での単語 v の出現確率 単語のインデックス（種類） 潜在トピック k での単語の出現分布のパラメタ 文書 d における潜在トピックの出現分布のパラメタ 文書 d の i 番目の単語 wd,i を生成した 潜在トピックを示す潜在変数 文書 d での潜在トピック k の出現確率 φk の超パラメタθd の超パラメタ 潜在トピック 文書 単語
- 9. 参考: トピックが文書内で共通の場合のグラフィカルモデ ル 9 潜在トピック k での単語 v の出現確率 単語のインデックス（種類） 潜在トピック k での単語の出現分布のパラメタ 潜在トピックの出現分布のパラメタ 文書 d の i 番目の単語 wd,i を生成した 潜在トピックを示す潜在変数 文書 d での潜在トピック k の出現確率 φk の超パラメタθ の超パラメタ 潜在トピック 文書 単語
- 10. LDAの幾何学的解釈: 準備 単体 simplex d次元空間において各成分の和が 1 になるような部分空間 多項分布のパラメタは単体上の点とみることができる 10
- 12. 単語出現分布は単語座標単体上の点である 潜在トピックは単語出現分布である よって、潜在トピックは単語座標単体上の点と解釈できる LDAの幾何学的解釈: 潜在トピックも単語座標単体上の点とみなせる 12
- 14. LDAの幾何学的解釈: まとめ Latent Dirichlet Allocation の名前の由来 文書を、Dirichlet分布に従って、潜在（latent）トピック座標単体上に配置（allocate） しているから 14 文書→単語座標単体 潜在トピック→単語座標単体 文書→潜在トピック座標単体 LDAは文書を単語座標単体から潜在トピック座標単体へ射影している 単語座標単体よりも潜在トピック座標単体の方が低次元であるため 次元圧縮と捉えることもできる
- 16. LDAの応用 2 時系列分析 潜在変数から時間ごとにθk、 φk,v を推定する 応用例: トピックの時系列、バースト、トレンド解析 文書の次元圧縮 単語を潜在変数の値（潜在トピック）と入れ替える 応用例: 分類器の特徴量として利用 単語の潜在的意味 潜在変数の値（潜在トピック）を参照することで、同じ単語でも異なる意味だとわかる 応用例: 語義曖昧性の解決、機械翻訳 16
- 17. LDAの応用例: 3 他のデータ Bag of XXX になればどんなデータにも適用できる 応用例: 画像処理、バイオインフォマティクス、人の行動解析、画像＋テキスト 、音楽＋歌詞 17