抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ツイッターは,企業と通信とその顧客からのフィードバックを得るために,ほぼリアルタイムでに広く使用されている。自動解析がタイムリーにツイートの大量に対処するために必要であり,洞察に満ちた分類はこの解析の第一段階である。本論文では,追加学習層を持つ個々の確率分布を含めることにより分類器出力を組み合わせたアンサンブル法を示し,重み付き確率の算術組合せとは対照的である。個別分類器により生成された確率の使用に加えて,ここではまた,ツイートベクターの使用は,アンサンブル学習段階に役立つことを示した。添加では,付加的な分類器として雲分類サービスを採用するマッピング法を記述した。LLDA,ナイーブBayes,とアンサンブル法のための雲分類サービスなどがあり,実際の産業ツイートデータセット上で提案手法を適用した。提案したアンサンブルモデルはいくつかの広く使用されている確率に基づくアンサンブル法,すなわち,専門家(PoE)の重み付き和と積より性能が優れていることができた。アンサンブルモデルは,個々の分類器からの出力確率分布の変化を扱う以前のモデルよりもより適応的である。使用したアルゴリズムと改善された結果に加えて,本論文の寄与は,ユニークな,実データをもとにモデルの適用からの洞察である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
