トピックモデル(トピックモデル)

日々生成されるデータを「意味」のある情報としてとらえるための基礎技術を、その牽引役の 1 人が丁寧に解説した。離散確率分布の基礎から各種モデル、テキストデータにとどまらない応用事例までが 1 冊にまとまり、学びやすい。書籍初収録の例も豊富に含まれている。コンパクトでありながら、親切な記述なので、ついていける、読み通せる。

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