Участник:Evgeny smirnov

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Отчет о научно-исследовательской работе)
Текущая версия (21:33, 27 августа 2016) (править) (отменить)
(Отчет о научно-исследовательской работе)
 
(1 промежуточная версия не показана)
Строка 19: Строка 19:
'''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>'''Весна 2016, 8-й семестр'''</big>
 +
 +
 +
'''Суммаризация тем в вероятностных тематических моделях'''
 +
 +
''Одной из главных проблем вероятностых тематических моделей является их понимание. Все существующие методы оценки интерпретируемости тем основываются на методе описания мешком терминов. В данной работе предлагается подход для оценки интерпретируемости, основанный на анализе сжатого представления коллекции документов. Для этого объявляется набор требований к тематической модели, для того чтобы считать её интерпретируемой. Для интерпретируемой модели формируется суммаризация тем --- список предложений для каждой темы, наиболее точно и полно её описывающий, отранжированный по ценности предложений. В вычислительных экспериментах строится интерпретируемая тематическая модель для коллекции документов конференции ММРО и суммаризация её тем.''
 +
 +
'''Публикация'''
 +
Смирнов Е.А. Воронцов К.В. Суммаризация тем в вероятностных тематических моделях // (готовится к подаче в журнал)
<big>
<big>

Текущая версия

МФТИ, ФУПМ

Кафедра «Интеллектуальные системы»

Направление «Интеллектуальный анализ данных»

evgenii.smirnov@phystech.edu

Отчет о научно-исследовательской работе

Весна 2015, 6-й семестр


Тематическая модель бинарной классификации слов в документах

В работе строится полувероятностная тематическая модель для задачи классификации слов в текстовых документах на основе метода аддитивной регуляризации тематических моделей ARTM с подбором проблемно-ориентированных регуляризаторов. Предложен EM-алгоритм для решения задачи. На основе полученной 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. Новизна заключается в том, что задача классификации слов в текстовых документах сводится к двухматричному разложению вместо трёхматричного.

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)


Весна 2016, 8-й семестр


Суммаризация тем в вероятностных тематических моделях

Одной из главных проблем вероятностых тематических моделей является их понимание. Все существующие методы оценки интерпретируемости тем основываются на методе описания мешком терминов. В данной работе предлагается подход для оценки интерпретируемости, основанный на анализе сжатого представления коллекции документов. Для этого объявляется набор требований к тематической модели, для того чтобы считать её интерпретируемой. Для интерпретируемой модели формируется суммаризация тем --- список предложений для каждой темы, наиболее точно и полно её описывающий, отранжированный по ценности предложений. В вычислительных экспериментах строится интерпретируемая тематическая модель для коллекции документов конференции ММРО и суммаризация её тем.

Публикация Смирнов Е.А. Воронцов К.В. Суммаризация тем в вероятностных тематических моделях // (готовится к подаче в журнал)

Личные инструменты