論文の概要: Methodological Rigour in Algorithm Application: An Illustration of Topic Modelling Algorithm

• arxiv url: http://arxiv.org/abs/2507.00547v1
• Date: Tue, 01 Jul 2025 08:11:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.534911
• Title: Methodological Rigour in Algorithm Application: An Illustration of Topic Modelling Algorithm
• Title（参考訳）: アルゴリズム応用におけるメソジカルリガー:トピックモデリングアルゴリズムの図解
• Authors: Malmi Amadoru,
• Abstract要約: トピックモデリング研究における厳密さの確保方法について論じる。 理論構築研究における方法論的厳密性に関する新たな対話に参画し、トピックモデリングに関する文献に貢献する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The rise of advanced computational algorithms has opened new avenues for computationally intensive research approaches to theory development. However, the opacity of these algorithms and lack of transparency and rigour in their application pose methodological challenges, potentially undermining trust in research. The discourse on methodological rigour in this new genre of research is still emerging. Against this backdrop, I attempt to offer guidance on methodological rigour, particularly in the context of topic modelling algorithms. By illustrating the application of the structural topic modelling algorithm and presenting a set of guidelines, I discuss how to ensure rigour in topic modelling studies. Although the guidelines are for the application of topic modelling algorithms, they can be applied to other algorithms with context-specific adjustments. The guidelines are helpful, especially for novice researchers applying topic modelling, and editors and reviewers handling topic modelling manuscripts. I contribute to the literature on topic modelling and join the emerging dialogue on methodological rigour in computationally intensive theory construction research.
• Abstract（参考訳）: 高度な計算アルゴリズムの台頭は、理論開発への計算集約的な研究アプローチのための新しい道を開いた。 しかしながら、これらのアルゴリズムの不透明さとアプリケーションにおける透明性と厳密さの欠如は、方法論的な課題を引き起こし、研究への信頼を損なう可能性がある。 この新しい研究分野における方法論的厳密さに関する言説は、いまだに浮上している。 このような背景から,特にトピックモデリングアルゴリズムの文脈において,方法論的厳密性に関するガイダンスを提供しようとしている。 構造的トピックモデリングアルゴリズムの適用を図り,一連のガイドラインを提示することで,トピックモデリング研究における厳密性を確保する方法について論じる。 このガイドラインはトピックモデリングアルゴリズムの適用を目的としているが、文脈特異的な調整を施した他のアルゴリズムにも適用することができる。 このガイドラインは、特に初期の研究者がトピックモデリングを適用し、編集者やレビュアーがトピックモデリングの原稿を扱うのに役立ちます。 計算集約的な理論構築研究における方法論的厳密性に関する新たな対話に参画し、トピックモデリングに関する文献に貢献する。

関連論文リスト

• Speculative Decoding and Beyond: An In-Depth Survey of Techniques [4.165029665035158]
  シーケンシャルな依存関係は、大規模な自己回帰モデルをデプロイする上で、根本的なボトルネックとなる。 ジェネレーション・リファインメント・フレームワークの最近の進歩は、このトレードオフを著しく緩和できることを示している。
  論文  参考訳（メタデータ） (2025-02-27T03:53:45Z)
• Inference-Time Alignment in Diffusion Models with Reward-Guided Generation: Tutorial and Review [59.856222854472605]
  このチュートリアルは、拡散モデルにおける下流の報酬関数を最適化するための推論時ガイダンスとアライメント方法に関する詳細なガイドを提供する。 生物学のような分野における実践的な応用は、しばしば特定の指標を最大化するサンプル生成を必要とする。 本稿では,(1)推論時と組み合わせた微調整手法,(2)モンテカルロ木探索などの探索アルゴリズムに基づく推論時アルゴリズム,(3)言語モデルと拡散モデルにおける推論時アルゴリズムの接続について論じる。
  論文  参考訳（メタデータ） (2025-01-16T17:37:35Z)
• The Algorithm Configuration Problem [0.8075866265341176]
  本稿では、決定/最適化問題の特定事例を解決するためのパラメータ化アルゴリズムの最適化に焦点を当てる。 本稿では,アルゴリズム構成問題の定式化だけでなく,その解決のための様々なアプローチを概説する包括的フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-01T17:29:34Z)
• Enhancing AI Research Paper Analysis: Methodology Component Extraction using Factored Transformer-based Sequence Modeling Approach [10.060305577353633]
  本稿では,方法論領域の幅広いカテゴリ情報を活用するシーケンスモデリングへの因子的アプローチを提案する。 シミュレーションされた時系列設定(トレーニングプロセス中に見えない新しい方法論)に従って実験を行う。 本実験により, 提案手法は, 数発設定の方法論抽出タスクにおいて, 9.257%のマージンで最先端のベースラインを上回り, 性能が向上することを示した。
  論文  参考訳（メタデータ） (2023-11-05T16:33:35Z)
• Neural Improvement Heuristics for Graph Combinatorial Optimization Problems [49.85111302670361]
  本稿では,ノード,エッジ,あるいはその両方に情報をエンコードするグラフベースの問題を扱う新しいニューラル改善(NI)モデルを提案する。 提案モデルは,各地区の操作の選択を誘導する丘登頂に基づくアルゴリズムの基本的な構成要素として機能する。
  論文  参考訳（メタデータ） (2022-06-01T10:35:29Z)
• A Survey on Deep Semi-supervised Learning [51.26862262550445]
  まず,既存の手法を分類した深層半指導学習の分類法を提案する。 次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
  論文  参考訳（メタデータ） (2021-02-28T16:22:58Z)
• A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
  既存の説明可能性技術を評価するための診断特性のリストを作成する。 そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
  論文  参考訳（メタデータ） (2020-09-25T12:01:53Z)
• Reinforcement Learning as Iterative and Amortised Inference [62.997667081978825]
  我々は、この制御を推論フレームワークとして使用し、償却および反復推論に基づく新しい分類スキームを概説する。 この観点から、比較的探索されていないアルゴリズム設計空間の一部を特定できることを示す。
  論文  参考訳（メタデータ） (2020-06-13T16:10:03Z)
• How Far are We from Effective Context Modeling? An Exploratory Study on Semantic Parsing in Context [59.13515950353125]
  文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。 我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
  論文  参考訳（メタデータ） (2020-02-03T11:28:10Z)

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。