文献

J-GLOBAL ID：201702263552459644   整理番号：17A0239204

雑音製品一覧表作成のための大規模分類学分類【Powered by NICT】

Large-scale taxonomy categorization for noisy product listings

著者 (5件)： Das Pradipto (Rakuten Institute of Technology, Boston, Rakuten USA) ,  Xia Yandi (Rakuten Institute of Technology, Boston, Rakuten USA) ,  Levine Aaron (Rakuten Institute of Technology, Boston, Rakuten USA) ,  Di Fabbrizio Giuseppe (Rakuten Institute of Technology, Boston, Rakuten USA) ,  Datta Ankur (Rakuten Institute of Technology, Boston, Rakuten USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Big Data  ページ： 3885-3894  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電子商取引カタログは常に更新される生成物の連続的に成長する数を含んでいる。カタログ中の各項目を,いくつかの属性により特性化し,分類ラベルによって同定した。分類ラベルを用いた分類生成物であるカタログにリストを探索し,組織化する効果的に基本的なものである。しかし,分類にマニュアルおよび/またはルールベース手法はスケーラブルではない。本論文では,トップレベルのカテゴリーの製品分類学分類にいくつかの分類器を比較した。最初数特徴集合を調べ,製品名とナビゲーションパン粉から単語unigramsの組み合わせは,分類に対して最良に働くことを観測した。第二に,雑音のあるデータを検出し,データ品質を改善するための軽量マニュアルプロセスを導入しへの対応トピックモデル適用した。最後に,著者らは,予め訓練された単語埋込み,他のベースラインと比較して,GBTsとCNNは誤差低減における最高の増加をもたらすことを示した線形モデル,勾配ブースト木(GBTs)と畳込みニューラルネットワーク(CNN)を評価した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： キャラクタリゼーション ,  マニュアル ,  畳込み ,  単語 ,  電子商取引 ,  基準線 ,  ルールベース ,  ニューラルネットワーク ,  *雑音
準シソーラス用語： 線形モデル ,  誤差低減 ,  トピックモデル ,  軽量 ,  データ品質 ,  *分類学 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 雑音 ,  一覧表 ,  大規模 ,  分類学 ,  分類