文献

J-GLOBAL ID：201802222581995169   整理番号：18A0354648

テキスト文書の自動分類のための可変グローバル特徴選択方式【Powered by NICT】

Variable Global Feature Selection Scheme for automatic classification of text documents

著者 (3件)： Agnihotri Deepak (Department of Computer Applications, National Institute of Technology Raipur, C.G.-492010, India) ,  Verma Kesari (Department of Computer Applications, National Institute of Technology Raipur, C.G.-492010, India) ,  Tripathi Priyanka (Deptartment of Computer Engineering and Applications, National Institute of Technical Teachers Training and Research Bhopal, M.P.-462002, India)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 81  ページ： 268-281  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 特徴選択が自動テキスト文書分類(ATDC)のプロセスを高速化するために重要である。現在,特徴選択を識別するための最も一般的な方法は大域的フィルタベース特徴選択方式(GFSS)に基づいている。GFSSはその識別能力に基づいて,各特徴にスコアを割り当て,特徴集合からトップN特徴を選択し,Nは経験的に決定した数であった。その結果,いくつかのクラスの特徴を部分的にあるいは完全に廃棄されていることが可能かもしれない。改良された大域的特徴選択方式(IGFSS)はすべてのクラスからの同数の代表的な特徴を選択することによりこの問題を解決した。しかし,多数クラスの不均衡データセットを扱うには脆弱である。これらのクラスの特徴の分布は非常に可変的である。この場合,特徴の数は各クラスから選択されるならば,それはより多くの特徴を含むクラスからのいくつかの重要な特徴を除外するかもしれない。この問題を克服するために,筆者らは,クラスにおける項の分布に基づいて,各クラスからの可変数の特徴を選択するための新しい可変グローバル特徴選択方式(VGFSS)を提案した。,各クラスから選択した最小数項の保証する。ベンチマークデータセット上での数値結果は,古典的情報科学法とIGFSS上で提案したアルゴリズムVGFSSの有効性を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高速化 ,  アルゴリズム ,  情報科学 ,  *特徴選択 ,  *自動分類
準シソーラス用語： 脆弱性 ,  スコア ,  文書分類 ,  *テキスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  テキスト文書分類 ,  テキストマイニング ,  テキスト解析

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 文書 ,  自動分類 ,  可変 ,  グローバル ,  特徴選択