| http://dbpedia.org/ontology/abstract
|
In machine learning and natural language p … In machine learning and natural language processing, the pachinko allocation model (PAM) is a topic model. Topic models are a suite of algorithms to uncover the hidden thematic structure of a collection of documents. The algorithm improves upon earlier topic models such as latent Dirichlet allocation (LDA) by modeling correlations between topics in addition to the word correlations which constitute topics. PAM provides more flexibility and greater expressive powerthan latent Dirichlet allocation. While first described and implemented in the context of natural language processing, the algorithm may have applications in other fields such as bioinformatics. Themodel is named for pachinko machines—a game popular in Japan, in which metal balls bounce down arounda complex collection of pins until they land in variousbins at the bottom.il they land in variousbins at the bottom.
, Размещение патинко (англ. pachinko allocat … Размещение патинко (англ. pachinko allocation, PAM) — метод тематического моделирования, применяемый в машинном обучении и обработке естественного языка, позволяющий обнаружить скрытую тематическую структуру в коллекции документов. От более ранних методов (например, LDA) алгоритм отличается тем, что моделирует корреляции между темами в дополнение к корреляциям слов, задающих темы. PAM превосходит LDA по гибкости и выразительной силе. Впервые метод описан, реализован и применён для обработки текстов на естественном языке, однако, может быть использован и в других областях, например, для задач биоинформатики. Своё название получил благодаря популярным в Японии игровым автоматам патинко, в которых реализована игра, напоминающая пинбол на доске Гальтона.ра, напоминающая пинбол на доске Гальтона.
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://videolectures.net/icml07_mimno_moht/ +
|
| http://dbpedia.org/ontology/wikiPageID
|
28082011
|
| http://dbpedia.org/ontology/wikiPageLength
|
5380
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1103041695
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/David_Blei +
, http://dbpedia.org/resource/Michael_I._Jordan +
, http://dbpedia.org/resource/Probabilistic_latent_semantic_indexing +
, http://dbpedia.org/resource/Category:Latent_variable_models +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/University_of_Massachusetts_Amherst +
, http://dbpedia.org/resource/Andrew_McCallum +
, http://dbpedia.org/resource/Bioinformatics +
, http://dbpedia.org/resource/Category:Statistical_natural_language_processing +
, http://dbpedia.org/resource/Mallet_%28software_project%29 +
, http://dbpedia.org/resource/Natural_language_processing +
, http://dbpedia.org/resource/Andrew_Ng +
, http://dbpedia.org/resource/Pachinko +
, http://dbpedia.org/resource/Latent_Dirichlet_allocation +
, http://dbpedia.org/resource/Directed_acyclic_graph +
, http://dbpedia.org/resource/Topic_model +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Comp-sci-stub +
, http://dbpedia.org/resource/Template:Use_dmy_dates +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Expand_section +
, http://dbpedia.org/resource/Template:Primary_sources +
, http://dbpedia.org/resource/Template:Natural_Language_Processing +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Latent_variable_models +
, http://dbpedia.org/resource/Category:Statistical_natural_language_processing +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Model +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Pachinko_allocation?oldid=1103041695&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Pachinko_allocation +
|
| owl:sameAs |
http://www.wikidata.org/entity/Q7122036 +
, http://ru.dbpedia.org/resource/%D0%A0%D0%B0%D0%B7%D0%BC%D0%B5%D1%89%D0%B5%D0%BD%D0%B8%D0%B5_%D0%BF%D0%B0%D1%82%D0%B8%D0%BD%D0%BA%D0%BE +
, http://yago-knowledge.org/resource/Pachinko_allocation +
, http://vi.dbpedia.org/resource/Ph%C3%A2n_b%E1%BB%95_Pachinko +
, http://dbpedia.org/resource/Pachinko_allocation +
, https://global.dbpedia.org/id/4sa9n +
, http://rdf.freebase.com/ns/m.0cmcrkj +
|
| rdf:type |
http://dbpedia.org/class/yago/Object100002684 +
, http://dbpedia.org/class/yago/LivingThing100004258 +
, http://dbpedia.org/ontology/Person +
, http://dbpedia.org/class/yago/Assistant109815790 +
, http://dbpedia.org/class/yago/YagoLegalActorGeo +
, http://dbpedia.org/class/yago/YagoLegalActor +
, http://dbpedia.org/class/yago/WikicatLatentVariableModels +
, http://dbpedia.org/class/yago/Whole100003553 +
, http://dbpedia.org/class/yago/CausalAgent100007347 +
, http://dbpedia.org/class/yago/PhysicalEntity100001930 +
, http://dbpedia.org/class/yago/Worker109632518 +
, http://dbpedia.org/class/yago/Model110324560 +
, http://dbpedia.org/class/yago/Person100007846 +
, http://dbpedia.org/class/yago/Organism100004475 +
|
| rdfs:comment |
Размещение патинко (англ. pachinko allocat … Размещение патинко (англ. pachinko allocation, PAM) — метод тематического моделирования, применяемый в машинном обучении и обработке естественного языка, позволяющий обнаружить скрытую тематическую структуру в коллекции документов. От более ранних методов (например, LDA) алгоритм отличается тем, что моделирует корреляции между темами в дополнение к корреляциям слов, задающих темы. PAM превосходит LDA по гибкости и выразительной силе. Впервые метод описан, реализован и применён для обработки текстов на естественном языке, однако, может быть использован и в других областях, например, для задач биоинформатики. Своё название получил благодаря популярным в Японии игровым автоматам патинко, в которых реализована игра, напоминающая пинбол на доске Гальтона.ра, напоминающая пинбол на доске Гальтона.
, In machine learning and natural language p … In machine learning and natural language processing, the pachinko allocation model (PAM) is a topic model. Topic models are a suite of algorithms to uncover the hidden thematic structure of a collection of documents. The algorithm improves upon earlier topic models such as latent Dirichlet allocation (LDA) by modeling correlations between topics in addition to the word correlations which constitute topics. PAM provides more flexibility and greater expressive powerthan latent Dirichlet allocation. While first described and implemented in the context of natural language processing, the algorithm may have applications in other fields such as bioinformatics. Themodel is named for pachinko machines—a game popular in Japan, in which metal balls bounce down arounda complex collection of pins untown arounda complex collection of pins unt
|
| rdfs:label |
Pachinko allocation
, Размещение патинко
|
