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/[獅々堀 正幹]/[任 福継]/[北 研二]/Simple Principal Component Analysisに基づく潜在的意味インデキシング/International Conference on Information-2002, Series of Information & Management Sciences

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
26236
EOID
757437
Map
0
LastModified
2014年11月25日(火) 11:30:07
Operator
北 研二
Avail
TRUE
Censor
0
Owner
任 福継
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,考察

    貢献度 任意
    学籍番号 推奨
  2. 柘植 覚
    役割 任意

    (日) 実験補助

    貢献度 任意
    学籍番号 推奨
  3. (英) Tani Hironori
    役割 任意

    (日) 実験

    貢献度 任意
    学籍番号 推奨
  4. 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) 実験指導

    貢献度 任意
    学籍番号 推奨
  5. 任 福継([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]/->個人[中川 福継])
    役割 任意

    (日) プロジェクト管理

    貢献度 任意
    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) 研究統括

    貢献度 任意
    学籍番号 推奨
題名 必須

(英) Latent Semantic Indexing Based on Simple Principal Component Analysis

(日) Simple Principal Component Analysisに基づく潜在的意味インデキシング

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. Experimentally, we show that the SPCA-based method offers improvement over the conventional SVD-based method despite its small amount of computation.

(日) 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)は文書検索の分野で有効性の高い手法として知られている.本稿では 1) SVDに比べより少ない演算量で基底ベクトルを求めることが可能,かつ,2) 2分割クラスタリングを繰り返すことにより基底ベクトルを求める手法でありSVDに比べ高い検索精度が期待できる,Simple Principal Component Analysis(SPCA)を次元削減に適用する.また,SPCAの繰り返し演算を制御する手法を提案する.MEDLINEコレクションを用いた検索実験を行った結果,SVDと同等以上の検索性能をSPCAにより達成した.

キーワード 推奨
発行所 推奨
誌名 必須 (英) International Conference on Information-2002, Series of Information & Management Sciences
ISSN 任意
必須 3
必須 ---
必須 172 177
都市 必須 北京(Beijing/[中華人民共和国])
年月日 必須 2002年 7月 1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