2010 Fiscal Year Annual Research Report
| Project/Area Number |
20500139
|
|---|
| Research Institution | Hiroshima City University |
|---|
Principal Investigator |
林 朗 広島市立大学, 情報科学研究科, 教授 (60240909)
|
|---|
| Keywords | 時系列データ / 隠れマルコフモデル / 条件付き確率場 / 階層隠れCRF / 識別モデル / 情報抽出 |
|---|
| Research Abstract |
1. HHMM(階層HMM)はHMMを一般化した生成モデルであり、時系列データの状態を階層的に表現する。我々はHHMMに対する識別モデルとして、HHCRF(階層隠れCRF)を提案する。HHMMとHHCRFの性能比較のために、生成モデルと識別モデルの性質を考慮しつつ人工データ実験を行った。実験結果から、パーラメータ学習時の訓練集合サイズが大きくなり、かつデータ生成源が非一次マルコフモデルに近づくについて、状態系列推定におけるHHCRFの性能がHHMMのそれより高くなることを示した。
2. 階層隠れマルコフモデルは時系列データのためによく用いられる生成モデルである.しかし,最近の研究では,多くのタスクにおいて,識別モデルである条件つき確率場(CRF)がHMMより,より良い性能を示すことが報告されている.情報抽出とはテキストから指定されたクラスや関係の例を自動的に抽出するタスクである.スコウナキスらは階層隠れマルコフモデル(HHMM)を用いた情報抽出手法を提案した.HHMMとはHMMの一般化であり,階層構造をもつ生成モデルである.従来研究で,我々はHHMMに対応する識別ベデルである階層隠れ条件つき確率場(HHCRF)を開発した.本論文では,HHCRFを用いた情報抽出を提案し,実験において,HHMMとHHCRFの性能を比較した.
|
