論文の概要: Dynamic Topic Modeling for Cross-Corpus Temporal Analysis
- arxiv url: http://arxiv.org/abs/2608.23284v1
- Date: Mon, 24 Aug 2026 14:08:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.130411
- Title: Dynamic Topic Modeling for Cross-Corpus Temporal Analysis
- Title（参考訳）: クロスコーパス時間解析のための動的トピックモデリング
- Abstract要約: トピックは独立して学習され、トレーニング後にのみアライメントされるため、クロスコーパス比較は難しい。
本稿では,共有バックボーン(共有バックボーン)と呼ばれる,統合されたマルチコーパスコレクション上で,まず共通の動的トピック空間を学習するD-ETMフレームワークを提案する。
97年間にわたって時間的に構造化された3つのコーパス(歴史アメリカ英語コーパス、ハーバードビジネスレビュー、国際労働レビュー)の枠組みを評価した。
- 参考スコア（独自算出の注目度）: 0.17188280334580194
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic Embedded Topic Models (D-ETM) provide an interpretable framework for modeling temporal semantic evolution, but cross-corpus comparison remains difficult because topics are often learned independently and aligned only after training, a process that does not guarantee stable topic correspondence across corpora and time. To address this problem, we propose a D-ETM framework that first learns a common dynamic topic space over a merged multi-corpus collection, which we call the shared backbone, then introduces corpus-specific residual adaptation around the frozen backbone without creating separate latent topic spaces. This design preserves a shared topic index for cross-corpus comparison while allowing each corpus to specialize lexically. We evaluate the framework on three temporally structured corpora spanning 97 years: the Corpus of Historical American English, Harvard Business Review, and International Labour Review. Residual adaptation improves corpus-specific fit relative to the shared backbone while preserving the same-index cross-corpus topic trajectories, achieving substantially stronger alignment than full fine-tuning from the same backbone, with $97.5 \pm 0.7\%$ versus $17.9 \pm 1.1\%$ trajectory Retrieval@1, as well as stronger alignment than independent training with post-hoc Hungarian matching. These results suggest that incorporating topic alignment into the model can support more stable over-time cross-corpus comparisons while retaining corpus-specific lexical variation.
- Abstract（参考訳）: Dynamic Embedded Topic Models (D-ETM) は、時間的意味進化をモデル化するための解釈可能なフレームワークを提供する。
この問題に対処するために,我々はまず,共有バックボーンと呼ばれる,統合された複数コーパスコレクション上で共通の動的トピック空間を学習するD-ETMフレームワークを提案する。
この設計は、相互比較のための共有トピックインデックスを保持し、各コーパスが語彙的に専門化できるようにしている。
97年間にわたって時間的に構造化された3つのコーパス(歴史アメリカ英語コーパス、ハーバードビジネスレビュー、国際労働レビュー)の枠組みを評価した。
残留適応は、同じインデックスのクロスコーパスのトピックトラジェクトリを保存しながら、共有バックボーンに対するコーパス固有の適合性を改善し、同じバックボーンからのフル微調整よりもはるかに強力なアライメントを実現し、97.5 \pm 0.7\%$対117.9 \pm 1.1\%$トラジェクトリRetrieval@1、およびポストホックハンガリーマッチングによる独立トレーニングよりも強力なアライメントを実現する。
これらの結果から,トピックアライメントをモデルに組み込むことにより,コーパス固有の語彙変化を維持しつつ,より安定したオーバータイム・クロスコーパス比較を支援することが示唆された。
関連論文リスト
- A Shared IPTC Topic Space for Cross-Source Topic Modelling [3.368151533620041]
本稿では,分類学で定義された1つの共有トピック空間にコーパスを配置する再現可能なフレームワークを提案する。
フレームワークはNew York Times 2011コーパスで開発され、選択された。
論文 参考訳（メタデータ） (2026-06-25T10:32:41Z) - From Similarity to Structure: Training-free LLM Context Compression with Hybrid Graph Priors [25.32575172623139]
長いコンテキストの大規模言語モデルは実行するのに計算コストがかかるままであり、しばしば非常に長い入力を確実に処理することができない。
本稿では,構造グラフに導かれるコンパクトな文群を選択する,学習不要でモデルに依存しない圧縮フレームワークを提案する。
本手法は,k-NNセマンティックエッジと短距離シーケンシャルエッジを組み合わせたスパースハイブリッド文グラフを構築する。
論文 参考訳（メタデータ） (2026-04-25T12:40:54Z) - Anchoring and Rescaling Attention for Semantically Coherent Inbetweening [9.061831090604324]
生成的内在性(GI)は、シーケンスの最初の段階と最後の段階の間に現実的な中間フレームを合成しようとする。
我々は、Keyframe-anchored Attention Biasを通じて、各中間フレームにパスとテキストから意味的および時間的ガイダンスを与えます。
Rescaled Temporal RoPEとのフレーム一貫性も向上しています。
論文 参考訳（メタデータ） (2026-03-18T12:11:02Z) - Beyond Global Alignment: Fine-Grained Motion-Language Retrieval via Pyramidal Shapley-Taylor Learning [56.6025512458557]
動き言語検索は、自然言語と人間の動きの間の意味的ギャップを埋めることを目的としている。
既存のアプローチは主に、全動作シーケンスとグローバルテキスト表現の整合性に重点を置いている。
本研究では,微粒な動き言語検索のためのPST学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-29T16:00:12Z) - PALUM: Part-based Attention Learning for Unified Motion Retargeting [53.17113525688095]
異なる骨格構造を持つキャラクター間の反発は、コンピュータアニメーションの基本的な課題である。
多様な骨格トポロジーにまたがる共通の動き表現を学習する新しいアプローチを提案する。
実験は、運動リアリズムと意味的忠実性を維持しながら、多様な骨格構造を扱う上で優れた性能を示す。
論文 参考訳（メタデータ） (2026-01-12T07:29:44Z) - Neuron: Learning Context-Aware Evolving Representations for Zero-Shot Skeleton Action Recognition [64.56321246196859]
本稿では,dUalスケルトン・セマンティック・セマンティック・セマンティック・セマンティック・シンジスティック・フレームワークを提案する。
まず、時空間進化型マイクロプロトタイプを構築し、動的コンテキスト認識側情報を統合する。
本研究では,空間的圧縮と時間的記憶機構を導入し,空間的時間的マイクロプロトタイプの成長を導く。
論文 参考訳（メタデータ） (2024-11-18T05:16:11Z) - Interactive Topic Models with Optimal Transport [75.26555710661908]
ラベル名監視型トピックモデリングのためのアプローチとして,EdTMを提案する。
EdTMは、LM/LLMベースのドキュメントトピック親和性を活用しながら、代入問題としてのトピックモデリングをモデル化する。
論文 参考訳（メタデータ） (2024-06-28T13:57:27Z) - NAIST-SIC-Aligned: an Aligned English-Japanese Simultaneous Interpretation Corpus [23.49376007047965]
同時解釈(SI)データが同時機械翻訳(SiMT)に与える影響は依然として疑問である。
自動整列した英語と日本語のSIデータセットであるNAIST-SIC-Alignedを導入する。
その結果,SIデータでトレーニングしたモデルでは,ベースラインよりも翻訳品質とレイテンシが大幅に向上することがわかった。
論文 参考訳（メタデータ） (2023-04-23T23:03:58Z) - Spatio-Temporal Tuples Transformer for Skeleton-Based Action Recognition [8.905895607185135]
変圧器は重要な関節の相関をモデル化する大きな可能性を示す。
既存のTransformerベースの手法では、フレーム間の異なる関節の相関を捉えることはできない。
連続するフレームにおける異なる関節の関係を捉えるために,時間認識モジュールを提案する。
論文 参考訳（メタデータ） (2022-01-08T16:03:01Z) - MotioNet: 3D Human Motion Reconstruction from Monocular Video with
Skeleton Consistency [72.82534577726334]
モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。
本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
論文 参考訳（メタデータ） (2020-06-22T08:50:09Z) - Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。
我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
論文 参考訳（メタデータ） (2020-05-12T12:51:40Z)
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。