機械学習プロフェッショナルシリーズ トピックモデル

岩田 具治【著】

講談社（2015/04発売）

• サイズ A5判／ページ数 148p／高さ 21cm
• 商品コード 9784061529045
• NDC分類 007.63
• Cコード C3341

出版社内容情報

データを「意味」のある情報としてとらえるための基礎技術。必要な確率論から応用事例までをコンパクトにまとめた。離散確率分布の基本から、各種モデル、応用事例、今後の展開までが1冊で見通せる。日々生成されるデータはそのままでは意味を成さない。機械がデータの意味を発見できる背景、理論、応用がわかる。

【機械学習プロフェッショナルシリーズ】
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。

全29巻のうち第1期として、以下の4点を同時刊行！

『機械学習のための確率と統計』杉山 将･著
『深層学習』岡谷 貴之･著
『オンライン機械学習』海野 裕也／岡野原 大輔／得居 誠也／徳永 拓之･著
『トピックモデル』岩田 具治･著

第2期の刊行は2015年8月、第3期の刊行は2015年12月の予定(＾o＾)/

【シリーズ編者】
杉山 将　東京大学大学院新領域創成科学研究科 教授

シリーズの刊行にあたって
はじめに
第1章　確率の基礎
第2章　ユニグラムモデル
第3章　混合ユニグラムモデル
第4章　トピックモデル
第5章　トピックモデルの拡張：他の情報も利用する
第6章　トピックモデルの拡張：トピックに構造を入れる
第7章　文書以外のデータへの適用
第8章　トピック数の推定
付録A　　代表的な確率分布
参考文献
索引


岩田 具治［イワタ トモハル］
著・文・その他

内容説明

おそろしく親切、すさまじく丁寧。文書データにとどまらない活用の可能性が実感できる。統計の基礎から最新応用事例までがまとまった、待望の１冊。

目次

第１章　確率の基礎
第２章　ユニグラムモデル
第３章　混合ユニグラムモデル
第４章　トピックモデル
第５章　トピックモデルの拡張：他の情報も利用する
第６章　トピックモデルの拡張：トピックに構造を入れる
第７章　文書以外のデータへの適用
第８章　トピック数の推定
付録Ａ　代表的な確率分布

著者等紹介

岩田具治［イワタトモハル］
博士（情報学）。２００１年慶應義塾大学環境情報学部卒業。２００３年東京大学大学院総合文化研究科広域科学専攻修士課程修了。現在、ＮＴＴコミュニケーション科学基礎研究所主任研究員（特別研究員）（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[Sean]

段階をおって説明するので非常に分かりやすかった

2020/04/14

[ユータス]

トピックモデルとかLDAとか呼ばれている手法で何ができるか知りたくて読みました。トピックモデルが文書以外にも幅広く使えること、モデルを拡張して補助情報や構造を組み込めることが分かりました。簡単な手法から徐々に複雑になるので、添字を追うのは大変ですが、丁寧に読めば理解できます。トピックモデルに限らず、確率モデリングや計算統計学（EMアルゴリズム、変分ベイズ、ギブスサンプリング）のとっかかりとしても良いと思います。アルゴリズムは実際に実装することもできそうですが、パッケージの使い方等は紹介されていません。

2019/10/23

[Tsukasa Fukunaga]

トピックモデルについての概説書。わかりやすく書かれていると思うが、ちょうど似た時期に発売した佐藤先生のトピックモデル本と比べると内容が薄い。(ページ数が1/2なので仕方ないのだが・・)　佐藤先生の本が、特異値分解の話をした後すぐにトピックモデルに飛ぶのに比べ、本書ではユニグラムモデル→混合ユニグラムモデル→トピックモデルと段を追って複雑にしていくので、確率モデルに慣れていない人は、こちらの方がわかりやすいかも。トピックモデルの拡張方法については、両本とも独自の内容が含まれているので、両方目を通すのがいい。

2015/05/06

[つ]

言ってることはわかるけど何してるかが全くわかっていないのでもう少し知識を詰めてもう一度読まないとな…

2020/06/18

[yoschi_s]

トピックモデルの手法や文書以外のデータの適用について説明している。 　 ユニグラムモデル・混合ユニグラムモデル・トピックモデルの章は，一貫して最尤推定(MAP推定)→ベイズ推定(変分ベイズ・崩壊型ギブスサンプリング)という順で説明されており，各手法の違いを確認しながら読むと理解が深まる。 　 実装についても，pseudo codeが書かれているのでこれに従って書けばいけそうだ。いや，まずはpythonかRのパッケージか…。

2018/02/04