文献

J-GLOBAL ID：201602273147421254   整理番号：16A0678277

単語埋込みを介したテキスト分類のための教師なし特徴選択【Powered by NICT】

Unsupervised feature selection for text classification via word embedding

著者 (3件)： Rui Weikang (School of Computer Science and Technology, University of Science and Technology of China, Hefei, Anhui, China) ,  Liu Jinwen (School of Computer Science and Technology, University of Science and Technology of China, Hefei, Anhui, China) ,  Jia Yawei (School of Computer Science and Technology, University of Science and Technology of China, Hefei, Anhui, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICBDA  ページ： 1-5  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： ビッグテキスト文書の鍵は,データ解析をそれらテキスト文書を分類することである。テキスト文書を分類するために,ベクトル空間モデル(VSM)であるベクターとしてそれらテキスト文書を表現するために必要である。強力なベクトル空間モデルは,可能な限り少ない次元を用いた分類情報とされている。を達成するためには,テキスト分類のための最も有効な特徴を選択することが重要である。訓練データにおけるカテゴリー情報を用いた教師つき選択法とは異なり,ここでは教師なし特徴を提案した選択法。著者らの方法は,著者らの方法はラベル付きデータは,高価で不正確でないので,より多くのアプリケーションシナリオを持つするカテゴリー情報を必要とする。他の教師なし手法とは異なり,提案手法では,類似した意味論的意味を持つ単語を発見するために単語埋込みを利用している。単語埋込みをベクターに単語の地図を作製し,単語間の意味的関係である。特徴としてこれらすべての単語を含めるために冗長であるため,類似した意味論的意味を持つ語のための最も代表的な単語を選択した。Reuters-21578データセット上で,提案手法は他の方法よりも優れていることを実証した。特に,限られた特徴を選択し,提案手法が大きな利点を有している。Copyright 2016 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： 意味論 ,  *特徴選択 ,  ベクター ,  データ解析 ,  *単語 ,  データセット ,  ベクトル空間モデル
準シソーラス用語： 意味的関連性 ,  選択法 ,  訓練データ ,  *テキスト ,  *テキスト分類 , 【Automatic Indexing@JST】

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (5件)： 単語 ,  埋込み ,  テキスト分類 ,  教師 ,  特徴選択