論文の概要: Topic Modelling Meets Deep Neural Networks: A Survey

• arxiv url: http://arxiv.org/abs/2103.00498v1
• Date: Sun, 28 Feb 2021 12:59:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-05 11:34:38.728057
• Title: Topic Modelling Meets Deep Neural Networks: A Survey
• Title（参考訳）: ディープニューラルネットワークを使ったトピックモデリング:サーベイ
• Authors: He Zhao, Dinh Phung, Viet Huynh, Yuan Jin, Lan Du, Wray Buntine
• Abstract要約: トピックモデリングは、ほぼ20年間、テキスト分析に成功した技術です。 トピックモデリングがディープニューラルネットワークと出会うと、新しく普及する研究領域であるニューラルトピックモデルが出現した。 本稿では,AIコミュニティの研究者を対象とした,ニューラルネットワークモデルの概要について概説する。
• 参考スコア（独自算出の注目度）: 25.950652301810425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Topic modelling has been a successful technique for text analysis for almost twenty years. When topic modelling met deep neural networks, there emerged a new and increasingly popular research area, neural topic models, with over a hundred models developed and a wide range of applications in neural language understanding such as text generation, summarisation and language models. There is a need to summarise research developments and discuss open problems and future directions. In this paper, we provide a focused yet comprehensive overview of neural topic models for interested researchers in the AI community, so as to facilitate them to navigate and innovate in this fast-growing research area. To the best of our knowledge, ours is the first review focusing on this specific topic.
• Abstract（参考訳）: トピックモデリングは、ほぼ20年間、テキスト分析に成功した技術です。 トピックモデリングがディープニューラルネットワークと出会うと、100以上のモデルが開発され、テキスト生成、要約、言語モデルといったニューラルネットワーク理解の幅広い応用が、新たな研究領域であるニューラルトピックモデル(neural topic model)が出現した。 研究の展開を要約し、オープンな問題や今後の方向性について議論する必要がある。 本稿では,AIコミュニティの興味ある研究者を対象に,この急成長する研究領域のナビゲートと革新を促進するために,ニューラルネットワークモデルの概要について概説する。 私たちの知る限りでは、この特定のトピックに焦点を当てた最初のレビューです。

関連論文リスト

• Trends, Applications, and Challenges in Human Attention Modelling [65.61554471033844]
  人間の注意モデリングは視覚探索の基礎となる認知過程を理解するのに特に有用であることが証明されている。 画像やビデオ処理、視覚・言語アプリケーション、言語モデリングなど、さまざまな領域の問題を解決することを目的とした人工知能モデルのサポートを提供する。
  論文  参考訳（メタデータ） (2024-02-28T19:35:30Z)
• A Survey on Neural Topic Models: Methods, Applications, and Challenges [32.510888679613004]
  トピックモデルは何十年にもわたって普及し、潜在トピックを発見し、教師なしの方法で文書のトピックの割合を推測している。 ニューラルネットワークの台頭は、新しい研究分野であるニューラルトピックモデル(NTM)の出現を促している。 本稿では,手法,応用,課題に関するニューラルトピックモデルに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-01-27T08:52:19Z)
• Automated Natural Language Explanation of Deep Visual Neurons with Large Models [43.178568768100305]
  本稿では,大きな基礎モデルを持つニューロンの意味的説明を生成するための,新しいポストホックフレームワークを提案する。 我々のフレームワークは、様々なモデルアーキテクチャやデータセット、自動化されたスケーラブルなニューロン解釈と互換性があるように設計されています。
  論文  参考訳（メタデータ） (2023-10-16T17:04:51Z)
• Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
  ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。 NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
  論文  参考訳（メタデータ） (2022-10-28T04:38:10Z)
• Knowledge-Aware Bayesian Deep Topic Model [50.58975785318575]
  本稿では,事前知識を階層型トピックモデリングに組み込むベイズ生成モデルを提案する。 提案モデルでは,事前知識を効率的に統合し,階層的なトピック発見と文書表現の両面を改善する。
  論文  参考訳（メタデータ） (2022-09-20T09:16:05Z)
• Neural Architecture Search for Dense Prediction Tasks in Computer Vision [74.9839082859151]
  ディープラーニングは、ニューラルネットワークアーキテクチャエンジニアリングに対する需要の高まりにつながっている。 ニューラルネットワーク検索(NAS)は、手動ではなく、データ駆動方式でニューラルネットワークアーキテクチャを自動設計することを目的としている。 NASはコンピュータビジョンの幅広い問題に適用されている。
  論文  参考訳（メタデータ） (2022-02-15T08:06:50Z)
• Neural Attention Models in Deep Learning: Survey and Taxonomy [0.0]
  注意の概念と機能は哲学、心理学、神経科学、コンピューティングで研究されている。 現在、多くの異なるニューラルアテンションモデルが利用可能であり、過去6年間で非常に活発な研究領域となっている。 本稿では,Deep Learningより前の理論的側面と相関する分類法を提案する。
  論文  参考訳（メタデータ） (2021-12-11T03:35:33Z)
• Neural Fields in Visual Computing and Beyond [54.950885364735804]
  機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。 ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。 本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
  論文  参考訳（メタデータ） (2021-11-22T18:57:51Z)
• Attention, please! A survey of Neural Attention Models in Deep Learning [0.0]
  ディープラーニングの最先端は、いくつかのアプリケーションドメインの神経注意モデルによって表されます。 この調査は、神経注意モデルの発展の包括的な概要と分析を提供します。
  論文  参考訳（メタデータ） (2021-03-31T02:42:28Z)
• Positioning yourself in the maze of Neural Text Generation: A Task-Agnostic Survey [54.34370423151014]
  本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。 本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
  論文  参考訳（メタデータ） (2020-10-14T17:54:42Z)
• Artificial neural networks for neuroscientists: A primer [4.771833920251869]
  ニューラルネットワーク(ANN)は、神経科学に注目が集まる機械学習において必須のツールである。 この教養的なプライマーでは、ANNを導入し、神経科学的な問題を研究するためにどのように成果を上げてきたかを実証する。 この数学的枠組みを神経生物学に近づけることに焦点をあてて、ANNの分析、構造、学習のカスタマイズ方法について詳述する。
  論文  参考訳（メタデータ） (2020-06-01T15:08:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。