文献

J-GLOBAL ID：201702266820420629   整理番号：17A0975296

シークエンス推定における説明変数の重要度の計算

著者 (2件)： 大北剛 (九州工大) ,  井上創造 (九州工大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2017  号： NL-232  ページ： Vol.2017-NL-232,No.6,1-5 (WEB ONLY)  発行年： 2017年07月12日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ランダムフォレスト[9]や勾配ブースティング法[1]において用いられる重要度は簡便なツールで,分類を終えた後に説明変数の重要さの指標を副産物として得る。本論文では,このような重要度をシークエンス推定(シークエンスプレディクション)の設定においても得ることのできる学習法であるアンサンブルRNNを導入する。このアンサンブルRNNは,分類後に説明変数の重要度を得ることを可能とする。重要度を計算できるタスクはこれまで分類/回帰タスクであったが,本論文はこれをシークエンス推定タスクに広げる方法を検討する。なお,各説明変数は語そのもの(サーフェイス型)では成り立ちづらいため,POS(Part-Of-Speech)タグ/形態素などのクラスによりクラス化したサーフェイス型のクラスを用いる。深層ディシジョンフォレスト[12]において重要度を得るやり方を応用する。(著者抄録)

シソーラス用語： *パラメータ ,  *変数 ,  回帰分析 ,  予測技法 ,  度 ,  *推定 ,  *神経回路網 ,  *ニューラルネットワーク ,  言語モデル
準シソーラス用語： *シークエンス推定 ,  *説明変数 ,  重要度 ,  *アンサンブルRNN ,  *リカレントネットワーク

分類 (2件)： 自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

引用文献 (18件)：

• Mason, L.; Baxter, J.; Bartlett, P. L.; Frean, Marcus. ”Boosting Algorithms as Gradient Descent”, In S.A. Solla and T.K. Leen and K. Mller. Advances in Neural Information Processing Systems 12. MIT Press. pp. 512518, 1999.
• Breiman, Leo; Friedman, J. H.; Olshen, R. A.; Stone, C. J. “Classification and regression trees”. Monterey, CA: Wadsworth & Brooks/Cole Advanced Books & Software. 1984.
• Quilan, J.R. “Induction of Decision Trees”. Machine Learning 1: 81-106, Kluwer Academic Publishers. 1986.
• Robin Genuer, Jean-Michel Poggi, Christine Tuleau-Malot. “Variable selection using Random Forests”, hal0075548, 2012.
• Carolin StroblEmail author, Anne-Laure Boulesteix, Thomas Kneib, Thomas Augustin and Achim Zeileis, “Conditional variable importance for random forests”, BMC Bioinformatics20089:307, 2008.

タイトルに関連する用語 (5件)： シークエンス ,  推定 ,  説明変数 ,  重要度 ,  計算