Участник:Evgeny smirnov
Материал из MachineLearning.
(→Отчет о научно-исследовательской работе) |
(→Отчет о научно-исследовательской работе) |
||
| Строка 15: | Строка 15: | ||
'''Полувероятностная тематическая модель для задачи классификации''' | '''Полувероятностная тематическая модель для задачи классификации''' | ||
| - | ''В работе | + | ''В работе построена полувероятностная тематическая модель для задачи классификации слов в текстовых документах на основе метода аддитивной регуляризации тематических моделей ARTM с подбором проблемно-ориентированных регуляризаторов. На основе метода предложен EM-алгоритм для решения задачи. Новизна заключается в том, что задача классификации решается используя двухматричное разложение вместо трёхматричного. На основе построенной модели решается задача построения рекомендательной системы для мобильного приложения. Проведён эксперимент на реальных данных мобильного сервиса этого приложения. Сделан вывод о повышении качества рекомендаций сервиса, использующего построенную модель.'' |
'''Публикация''' | '''Публикация''' | ||
Смирнов Е.А. Воронцов К.В. Полувероятностная тематическая модель для задачи классификации // ''Машинное обучение и анализ данных.'' — 2015. — ISSN 2223-3792. (готовится к подаче в журнал) | Смирнов Е.А. Воронцов К.В. Полувероятностная тематическая модель для задачи классификации // ''Машинное обучение и анализ данных.'' — 2015. — ISSN 2223-3792. (готовится к подаче в журнал) | ||
<big> | <big> | ||
Версия 23:47, 7 сентября 2015
МФТИ, ФУПМ
Кафедра «Интеллектуальные системы»
Направление «Интеллектуальный анализ данных»
evgenii.smirnov@phystech.edu
Отчет о научно-исследовательской работе
Весна 2015, 6-й семестр
Полувероятностная тематическая модель для задачи классификации
В работе построена полувероятностная тематическая модель для задачи классификации слов в текстовых документах на основе метода аддитивной регуляризации тематических моделей ARTM с подбором проблемно-ориентированных регуляризаторов. На основе метода предложен EM-алгоритм для решения задачи. Новизна заключается в том, что задача классификации решается используя двухматричное разложение вместо трёхматричного. На основе построенной модели решается задача построения рекомендательной системы для мобильного приложения. Проведён эксперимент на реальных данных мобильного сервиса этого приложения. Сделан вывод о повышении качества рекомендаций сервиса, использующего построенную модель.
Публикация Смирнов Е.А. Воронцов К.В. Полувероятностная тематическая модель для задачи классификации // Машинное обучение и анализ данных. — 2015. — ISSN 2223-3792. (готовится к подаче в журнал)
