論文の概要: Evolving Voices Based on Temporal Poisson Factorisation

• arxiv url: http://arxiv.org/abs/2410.18486v1
• Date: Thu, 24 Oct 2024 07:21:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 12:49:00.639758
• Title: Evolving Voices Based on Temporal Poisson Factorisation
• Title（参考訳）: 時間的ポアソン分解に基づく音声の進化
• Authors: Jan Vávra, Bettina Grün, Paul Hofmarcher,
• Abstract要約: 本稿では、分解モデルの拡張として、時間的ポアソン分解モデル(TPF)を提案し、スパースカウントデータ行列をモデル化する。 米国上院における18セッションのスピーチの分析(1981-2016)におけるTPFモデルの詳細結果について論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The world is evolving and so is the vocabulary used to discuss topics in speech. Analysing political speech data from more than 30 years requires the use of flexible topic models to uncover the latent topics and their change in prevalence over time as well as the change in the vocabulary of the topics. We propose the temporal Poisson factorisation (TPF) model as an extension to the Poisson factorisation model to model sparse count data matrices obtained based on the bag-of-words assumption from text documents with time stamps. We discuss and empirically compare different model specifications for the time-varying latent variables consisting either of a flexible auto-regressive structure of order one or a random walk. Estimation is based on variational inference where we consider a combination of coordinate ascent updates with automatic differentiation using batching of documents. Suitable variational families are proposed to ease inference. We compare results obtained using independent univariate variational distributions for the time-varying latent variables to those obtained with a multivariate variant. We discuss in detail the results of the TPF model when analysing speeches from 18 sessions in the U.S. Senate (1981-2016).
• Abstract（参考訳）: 世界は進化しており、言葉で話題を議論するのに使われる語彙も進化している。 30年以上にわたる政治的スピーチデータを分析するには、フレキシブルなトピックモデルを使用して、潜伏するトピックと、時間とともに頻度が変化すること、およびトピックの語彙の変化を明らかにする必要がある。 本稿では,時間スタンプ付き文書から得られる単語のバグ・オブ・ワードの仮定に基づいて得られたスパース数データ行列をモデル化するために,時間的ポアソン分解(TPF)モデルをポアソン分解モデルの拡張として提案する。 順序1の柔軟な自己回帰構造とランダムウォークのいずれかからなる時間変化潜伏変数の異なるモデル仕様を実験的に検討し、比較する。 評価は,文書のバッチ化を用いた座標上昇更新と自動微分の組合せを考慮した変分推論に基づく。 推論を容易にするため、適切な変動族が提案されている。 多変量変量変数に対する独立な単変量変量分布を用いて得られた結果と多変量変量変数を用いた結果との比較を行った。 我々は,米国上院(1981-2016)における18セッションのスピーチの分析において,TPFモデルの結果について詳細に論じる。

関連論文リスト

• Self-contained Beta-with-Spikes Approximation for Inference Under a Wright-Fisher Model [0.0]
  right-Fisherモデル内での進化的パラメータの信頼性の高い推定を行う。 本手法は,アレル周波数分布に対するβ-with-Spikes近似に基づく解析手法である。
  論文  参考訳（メタデータ） (2023-03-08T16:32:10Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Changepoint Analysis of Topic Proportions in Temporal Text Data [1.8262547855491456]
  トピック比の分布に変化点を規定する特化時間トピックモデルを構築した。 まず、サンプル分割を用いてトピックのポリトープを推定し、次に確率比統計を適用した。 歴史的に知られているいくつかの変化点を取得し、新しい変化点を発見する。
  論文  参考訳（メタデータ） (2021-11-29T17:20:51Z)
• Disentangling Generative Factors in Natural Language with Discrete Variational Autoencoders [0.0]
  連続変数は、テキスト中のほとんどの生成因子が離散的であるという事実から、テキストデータの特徴をモデル化するのに理想的ではないかもしれない。 本稿では,言語特徴を離散変数としてモデル化し,不整合表現を学習するための変数間の独立性を促進する変分自動符号化手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T09:10:05Z)
• Instance-wise Graph-based Framework for Multivariate Time Series Forecasting [69.38716332931986]
  我々は,異なる時刻スタンプにおける変数の相互依存性を利用するための,シンプルで効率的なインスタンス単位のグラフベースのフレームワークを提案する。 私たちのフレームワークのキーとなる考え方は、異なる変数の履歴時系列から予測すべき現在の時系列に情報を集約することです。
  論文  参考訳（メタデータ） (2021-09-14T07:38:35Z)
• Ctrl-P: Temporal Control of Prosodic Variation for Speech Synthesis [68.76620947298595]
  テキストは音声形式を完全には規定しないので、テキストから音声へのモデルは、対応するテキストで説明されない方法で異なる音声データから学習できなければならない。 韻律の3つの一次音響相関に明示的に条件付けされた音声を生成するモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-15T18:03:48Z)
• Counterfactual Invariance to Spurious Correlations: Why and How to Pass Stress Tests [87.60900567941428]
  素早い相関」とは、アナリストが重要とすべきでないと考える入力データのある側面に対するモデルの依存である。 機械学習では、これらにはノウ・イ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ」という特徴がある。 因果推論ツールを用いたストレステストについて検討した。
  論文  参考訳（メタデータ） (2021-05-31T14:39:38Z)
• Explainable Multivariate Time Series Classification: A Deep Neural Network Which Learns To Attend To Important Variables As Well As Informative Time Intervals [32.30627405832656]
  時系列データは、様々な現実世界のアプリケーションで広く使われている。 このような予測モデルを理解するための重要な基準は、分類に対する時間変化の入力変数の寄与を解明し定量化することである。 本稿では,変数と時間間隔を同時に識別し,分類出力を決定する新しい,モジュール型・畳み込み型特徴抽出・注目機構を提案する。
  論文  参考訳（メタデータ） (2020-11-23T19:16:46Z)
• A Discrete Variational Recurrent Topic Model without the Reparametrization Trick [16.54912614895861]
  離散確率変数を用いたニューラルトピックモデルの学習方法を示す。 複数のコーパスにまたがってパープレキシティと文書理解が改善された。
  論文  参考訳（メタデータ） (2020-10-22T20:53:44Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)
• Parameter Space Factorization for Zero-Shot Learning across Tasks and Languages [112.65994041398481]
  本稿では,ニューラルパラメータの空間に対するベイズ生成モデルを提案する。 タスク言語の組み合わせから得られたデータに基づいて、そのような潜伏変数よりも後部を推測する。 我々のモデルは、最先端のゼロショットの言語間転送手法よりも、同等か良い結果が得られる。
  論文  参考訳（メタデータ） (2020-01-30T16:58:56Z)

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。