解釈可能なテキストマイニングのための部分ラベル付きトピックモデル

要旨 世界の多くの電子テキストには、人間が解釈可能なラベルが注釈されており、ウェブページのタグや学術出版物の主題コードなどが含まれています。この設定での効果的なテキストマイニングには、観察されたラベルの背後にあるテキストパターンを柔軟に考慮しつつ、未ラベルのトピックを発見できるモデルが必要です。ラベル予測に焦点を当てる教師あり分類も、ラベルを明示的にモデル化しない純粋な教師なし学習も適切ではありません。本論文では、部分ラベル付きディリクレ配分（PLDA）と部分ラベル付きディリクレ過程（PLDP）の2つの新しい部分教師付き生成モデルを提案します。これらのモデルは、トピックモデルの教師なし学習機構を利用して、各ラベル内の隠れたトピックと、コーパス全体の未ラベルの潜在トピックを発見します。私たちは、del.icio.us のタグ付きウェブページと博士論文の要旨の質的ケーススタディを通じて応用を探求し、従来のトピックモデルに対するモデルの解釈可能性の向上を示しています。私たちは、del.icio.us データセットに存在する多くのタグを使用して、新しいモデルがいくつかの強力なベースラインに対して人間の関連性スコアとの高い相関を定量的に示します。