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。
テキスト情報の体積を増加させる塩基では,テキスト情報を用いた対処法を信じられないほど複雑となっている。テキストクラスタリングは,大量テキスト文書を処理するためのこれら集合テキスト文書の分類クラスタにに使用される適切な技術である。最終的に,テキスト文書は,まばらな,不均一分布を保持し,情報価値のない特徴をクラスタすることは困難である。テキスト特徴選択を利用して情報テキスト特徴の新たなサブセットを選択することであることを一次教師なし学習法である。本論文では,テキストクラスタリング(B FSTC)を改善するためのテキスト特徴選択問題のためのβ山登り法に基づく新しいアルゴリズムを提案した。β山登りと元のヒルクライミング(すなわち,H FSTC)に対する提案した方法の結果は,k-平均テキストクラスタリングを用いて検討し,互いに比較した。実験は種々の特性を持つ四種の標準テキストデータセット上で実施した。興味深いことに,提案したβ山登りアルゴリズムは情報テキスト特徴の新しいサブセットを産生することによって他のよく関連技術と比較して優れた結果を得た。最後に,山登りベース特徴選択法はより正確なクラスタを達成するためにk-平均クラスタリングアルゴリズムを支持している。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】