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。
テキスト分類は以前のカテゴリーに与えられた文書を自動的に割り当てるプロセスである。人工知能と自然言語処理で広く使用されている。本論文では,テキスト分類の精度を改善するために,FKSVMと名付けた新しい分類モデルを提案した。モデルによると,最初に,著者らは,特徴量の重みを計算するためにTF-IDFアルゴリズムを用いて,特徴ベクトルは分散分析およびt検定により計算したTの値に従って分類した。第二に,最適分類性能を発揮できることを特徴の数はFisher基準関数に従って選択した。KSVM分類器をSVMとKNNの組合せである分類に使用した。アルゴリズムは試料間の距離とSVMの最適超平面を計算した。距離しきい値投与前よりも大きければ,試料はSVMにより分類する。KNN分類器を使用した。実験結果はFKSVMモデルの平均精度は88.83%であり,KNNのそれは83.20%であり,SVMは84.73%であり,KSVMは85.56%であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】