딥러닝 기반 시계열 토픽 모델링Dynamic topic modeling with neural variational inference

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 701
  • Download : 0
시간의 흐름에 따라 발생하는 많은 양의 시계열 문서는 효율적이고 효과적인 분석을 요구한다. 본 논문에서는 시계열 문서에서 시간에 따라 변화하는 토픽을 분석하기 위해 딥러닝 기반의 variational inference를 적용하여 시계열 문서에 대한 토픽 모델을 제안하였다. 본 논문에서 제안한 모델은 순환 신경망의 일종인 LSTM을 이용하여 시간에 따라 토픽이 변화하는 것을 모델링하였다. 또한, 모델의 예측 정확도를 높이기 위해 attention network를 도입하여 과거의 정보를 적극적으로 이용할 수 있게 하였다. 그 결과 본 논문에서 제안한 모델은 세 개의 시계열 문서에 대하여 기존의 토픽 모델보다 좋은 성능을 보였다.
Advisors
문일철researcherMoon, Il-Chulresearcher
Description
한국과학기술원 :산업및시스템공학과,
Publisher
한국과학기술원
Issue Date
2018
Identifier
325007
Language
kor
Description

학위논문(석사) - 한국과학기술원 : 산업및시스템공학과, 2018.2,[iv, 48 p. :]

Keywords

시계열 문서▼a토픽 모델▼a딥러닝; Time-series document▼aTopic modeling▼aNeural variational inference

URI
http://hdl.handle.net/10203/266240
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=733840&flag=dissertation
Appears in Collection
IE-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0