徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

著作: [黒岩 眞吾]/[柘植 覚]/Tani Hironori/Tai Xiaoying/[獅々堀 正幹]/[北 研二]/Dimensionality reduction of vector space model based on Simple PCA/Proc. Knowledge-Based Intelligent Information Engineering Systems & Allied Technologies (KES)

ヘルプを読む

「著作」(著作(著書,論文,レター,国際会議など))は,研究業績にかかる著作(著書,論文,レター,国際会議など)を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.

この情報をEDB閲覧画面で開く

EID
22444
EOID
757424
Map
0
LastModified
2014年11月25日(火) 11:04:52
Operator
北 研二
Avail
TRUE
Censor
0
Owner
獅々堀 正幹
Read
継承
Write
継承
Delete
継承
種別 必須 国際会議
言語 必須 英語
招待 推奨
審査 推奨 Peer Review
カテゴリ 推奨
共著種別 推奨
学究種別 推奨
組織 推奨
  1. 徳島大学.工学部.知能情報工学科.基礎情報工学講座
著者 必須
  1. 黒岩 眞吾(千葉大学大学院 融合科学研究科)
    役割 任意

    (日) 手法の考案,実験指導,結果の解釈

    貢献度 任意 60
    学籍番号 推奨
  2. 柘植 覚
    役割 任意
    貢献度 任意 5
    学籍番号 推奨
  3. (英) Tani Hironori
    役割 任意

    (日) 実験

    貢献度 任意 5
    学籍番号 推奨
  4. (英) Tai Xiaoying
    役割 任意
    貢献度 任意 5
    学籍番号 推奨
  5. 獅々堀 正幹([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.知能工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.知能工学講座])
    役割 任意

    (日) 関連文献の調査と結果の考察を分担した.

    貢献度 任意 5
    学籍番号 推奨
  6. 北 研二([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
    役割 任意

    (日) 研究テーマの考案,研究指導

    貢献度 任意 20
    学籍番号 推奨
題名 必須

(英) Dimensionality reduction of vector space model based on Simple PCA

副題 任意
要約 任意

(英) In this paper, we propose to use the Simple Principal Component Analysis (SPCA) for dimensionality reduction of the vector space information retrieval model. The SPCA algorithm is a data-oriented fast method which does not require the computation of the variance-covariance matrix. In SPCA principal components are estimated iteratively so we also propose a criteria to determine the convergence. The optimum number of iterations for each principal component can be detemined using the criteria.

(日) ベクトル空間モデル(VSM)は情報検索における代表的な検索モデルである.同モデルでは文書が単語の出現頻度に基づくベクトルで表現されるため,そのベクトル空間は一般にスパースかつ高次元となりメモリや検索時間の増大を招くとともに,文書中に含まれる無意味な単語がノイズ的な影響を及ぼし検索精度を低下させるという問題を生じる.これに対し特異値分解(SVD)を用い次元数を削減した空間で類似度を計算する潜在的意味インデキシング(Latent Semantic Indexing; LSI)が提案され,その効果が報告されている.本稿ではSVDに比べより少ない演算量で近似的に主成分分析を行うことが可能なSimple Principal Component Analysis(SPCA)を次元削減に適用する.

キーワード 推奨
発行所 推奨
誌名 必須 (英) Proc. Knowledge-Based Intelligent Information Engineering Systems & Allied Technologies (KES)
ISSN 任意
必須 2
必須
必須 362 366
都市 必須 大阪(Osaka/[日本国])
年月日 必須 2001年 9月 6日
URL 任意
DOI 任意
PMID 任意
NAID 任意
WOS 任意
Scopus 任意
評価値 任意
被引用数 任意
指導教員 推奨
備考 任意