質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.51%
Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

Q&A

解決済

1回答

5537閲覧

doc2vecの学習精度はどうやって図るか

akihico

総合スコア27

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

0グッド

0クリップ

投稿2018/01/11 01:11

編集2018/01/11 01:12

■doc2vecの学習済モデルの精度を知りたい
下記のチュートリアルを元に、Twitterのつぶやきをベクトル表現するプログラムを作っています。
◯Doc2Vecの仕組みとgensimを使った文書類似度算出チュートリアル - DeepAge
https://deepage.net/machine_learning/2017/01/08/doc2vec.html

質問の内容は、doc2vecで学習させたモデルの精度をどうやって測定するか?です。

現状では、model.docvecs.most_similar関数をつかって、出てきた文章が、本当に近いか、都度都度 文章を読んで確認しています。
この方法よりも、定量的に精度が測れないかなと思っています。

よろしくお願いします。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

ラベル名と類似度のタプルが返ってくる

類似度の数字よりも定量的な指標が必要ということでしょうか?

その都度読んで確認するというのは教師データとしてのラベルがないということでしょうか?

投稿2018/01/11 01:57

mkgrei

総合スコア8560

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

akihico

2018/01/11 15:17

ご回答ありがとうございます。 知りたいこと(評価したいこと)は学習済モデルが使えるものかどうかです。 その手段として、most_similar関数で実験しているのですが、そもそも、この方法が適切でないと思っているので、今回の質問に至っています。 イメージとしては、この表みたいに、私がdoc2vecで作った学習済モデルそのももの精度を測定できないかと思っています。https://camo.qiitausercontent.com/400fe9237cbcca1901f1092ebca84c154e99f578/68747470733a2f2f71696974612d696d6167652d73746f72652e73332e616d617a6f6e6177732e636f6d2f302f3130393230312f35336566313632392d373565352d343339652d353338382d3562666434363037663133332e706e67 ※ 引用元記事 https://qiita.com/fufufukakaka/items/a7316273908a7c400868 そうすることで、ハイパーパラメータを調整したり、学習データの過不足を確認したり、精度が良いと判断出来たら、doc2vecを使った文章のベクトル値を機械学習のインプットに使いたいと思っています。 よろしくお願いします。
mkgrei

2018/02/19 06:44

引用元記事のarxiv論文を読みました。 もうすでに解決されているかもしれませんが、一応。 結論としてはdoc2vecで文書を表現すること自体を「精度」などの定量指数で評価できないと思います。 論文の表はdoc2vecのようなもので文書という非構造データに特徴ベクトルを与えた後、それを単純な分類器(LinearSVMなど)の入力として使用し、その分類器の性能を比較しています。 異なる方法で特徴ベクトルを与え、共通する分類器を使用することで、特徴ベクトルを生成する方法に優劣をつけるという構図になっています。 ここで単純な分類器を使うことが重要であり、特に線形の分類器を使うことによって、モデルトータルの質を入力の質に大きく依存させようとしています。 これは、例えば分類器をニューラルネットワークなどを使った場合に、入力の質をある程度分類器の方で緩和できてしまうからだと思います。
akihico

2018/02/20 15:12

論文まで調べていただきまして、ありがとうございました。解決していなかったので助かりました。 「結論としてはdoc2vecで文書を表現すること自体を「精度」などの定量指数で評価できないと思います。」とのこことですので、doc2vecのモデルがうまく行っているかは、既に似ているとわかっている文章のベクトルが近くなっているか見て確認したいと思います。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.51%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問