文献

J-GLOBAL ID：201702236543815519   整理番号：17A1349258

マルチレベルファジィニューラルネットワークを用いた効率的なテキスト分類【Powered by NICT】

Effective text classification using multi-level fuzzy neural network

著者 (3件)： Zobeidi Shima (Computer Engineering Department, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran) ,  Naderan Marjan (Computer Engineering Department, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran) ,  Alavi Seyed Enayatollah (Computer Engineering Department, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CFIS  ページ： 91-96  発行年： 2017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： 今日では,大量のテキストデータの通信の膨張に起因して実時間で生産されている。は有用な情報の開発と抽出のためのこのデータを組織化する必要がある。話題に基づくテキスト分類はこの問題に対する効率的な解の一つである。は高次元データを扱う場合,テキスト分類に適用した効率的なアルゴリズム。本論文では,新しいニューラルネットワーク分類器は,テキストを分類するために適用し,いくつかの類似した方法と比較した。この目的のために,最初に前処理は,単語で行い,これは五段階を含んでいる。その後,特徴抽出相は三段階から成る適用し,次元低減のために使用される原理成分分析(PCA)法であった。最後に,すなわちマルチレベルファジィミニマックスニューラルネットワーク分類器(MLF),教師つき学習法は,テキスト分類に使用されている。,他の三種の原理法と比較して,実験のシミュレーション結果はMLF法はReuters-21578データセットに対して94%と20newsgroupデータセットに対して95%の高精度を持つことを示した。添加において,提案した方法の実行時間は他の教師つき学習アルゴリズムよりも少なかった。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： シミュレーション ,  次元縮小 ,  アルゴリズム ,  前処理 ,  *ニューラルネットワーク ,  単語 ,  教師つき学習 ,  特徴抽出
準シソーラス用語： 実行時間 ,  高精度 ,  成分分析 ,  *テキスト ,  高次元データ ,  実時間 ,  *テキスト分類 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  生体計測  (EL03020C)

タイトルに関連する用語 (3件)： マルチレベル ,  ファジィニューラルネットワーク ,  テキスト分類