文献

J-GLOBAL ID：201802222183805653   整理番号：18A1210442

アンサンブル法を組み込んだ不均衡分類データにおけるユーザ評価を予測するための深層学習【JST・京大機械翻訳】

Deep learning to predict user rating in imbalance classification data incorporating ensemble methods

著者 (3件)： Hendry (Department of Information Management Chaoyang University of Technology, 168, Jifeng East Road, Wufeng District Taichung, Taiwan) ,  Chen Rung-Ching (Department of Information Management Chaoyang University of Technology, 168, Jifeng East Road, Wufeng District Taichung, Taiwan) ,  Liao Chung-Yen (Department of Information Management Chaoyang University of Technology, 168, Jifeng East Road, Wufeng District Taichung, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASI  ページ： 200-203  発行年： 2018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： 近年,機械学習は,深い学習の成功したブレークスルーによって,研究分野においてより多くの注意を得た。深い学習は,構造化されたデータにおける複雑な多変量の詳細な(深い)モデルを作成する能力を通して,いくつかの顕著な成功を示した。深い学習はいくつかの異なる方法で特徴付けられるが,深い学習が多くの層のカスケードを用いて特徴間の高次相互作用を学習できることが最も重要である。深い学習の成功したブレークスルーにもかかわらず,多くの完全に接続された層を計算するために,ハイパーパラメータと時間のかかるプロセスによる計算の複雑さにおいて依然として大きな課題に直面している。不均衡データセットにおける深い学習モデルを学習する代替方法を提案した。著者らは,ユーザコメントから1つのベース深い学習分類器モデルを用いてあらゆるクラス目標(ユーザ評価)を学習するためにアンサンブルモデルを組み込んで,この方法において,著者らはその適合モデルによってあらゆる評価を学習した。アンサンブルモデルに対する主なアイデアは,最良の結果を選択するためのベース分類器に対する代替解を与えることである。アンサンブルモデルにおいて,入力層に対する異なる特徴選択を用いることができた。同じモデルにおけるすべての特徴を使用することは,計算複雑性を引き起こすことができて,実行プロセスを多くの時間を消費した。また,いくつかの特徴は,有意であるか否かを評価することができた。より少ない有意な特徴は,分類装置において剪定することができて,サンプリングデータから抽出する他の特徴によって置換することができた。この分類は二次元に基づいている:予測がどのように結合されるか(ルールベースとメタ学習),学習プロセスがどのように行われるか(並列または逐次)。ルールベースのアプローチにおいて,予測は性能を平均するためにルールを用いて結合される。メタ学習技術は,メタ学習モデルの特徴として成分分類器からの予測を使用する。出力層では,各ベース分類器からの出力としてユーザ評価を選択する投票法を適用し,より広範な結果を用いてユーザ評価予測結果を生成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 分類装置 ,  *学習 ,  *予測 ,  構造形成 ,  学習モデル ,  機械学習 ,  モデル ,  投票 ,  計算量 ,  特徴選択 ,  ルールベース ,  相互作用
準シソーラス用語： メタ学習 ,  ハイパーパラメータ ,  *不均衡 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： アンサンブル法 ,  均衡 ,  分類 ,  ユーザ評価 ,  予測 ,  深層学習