文献

J-GLOBAL ID：201802227293693375   整理番号：18A1898294

テキストマイニングにおける粒子群最適化に基づく2段階特徴選択【JST・京大機械翻訳】

Particle Swarm Optimization Based Two-Stage Feature Selection in Text Mining

著者 (3件)： Bai Xiaohan (Victoria University of Wellington, School of Engineering and Computer Science, Wellington, New Zealand) ,  Gao Xiaoying (Victoria University of Wellington, School of Engineering and Computer Science, Wellington, New Zealand) ,  Xue Bing (Victoria University of Wellington, School of Engineering and Computer Science, Wellington, New Zealand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CEC  ページ： 1-8  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： テキストマイニングは重要で人気のあるデータマイニングトピックであり,基本的な目的は,ユーザがテキストベース資産から情報を抽出することを可能にし,検索,分類,要約のようなテキスト上の関連操作を実行することである。テキスト分類のために,テキストデータセットにおけるすべての特徴が分類に役立つので,最も重要なステップの1つは特徴選択である。無関係で冗長な特徴は,精度を上げて,複雑さと実行時間を減少させるために取り除かれなければならない。しかし,それはしばしば高価なプロセスであり,特徴相互作用のためにいくつかの役に立つ可能性がある,特徴を取り除くための単純なフィルタを使用する多くの既存の方法である。さらに,テキスト分類のための有益な特徴を選択するために,粒子群最適化(PSO)アルゴリズムを用いた研究はほとんどない。本論文では,テキスト特徴選択のための新しい二段階法を用いた手法を提案した。ここで,第一段階での四つの異なるフィルタランキング法により選択された特徴を用いて,最終特徴部分集合を構成するPSOにより,より無関係な特徴を除去した。提案したアルゴリズムを,一般的に使用されるReuter-21578データセットに関する4つの伝統的特徴選択法と比較した。実験結果は,提案した二段階法が特徴空間の次元を大幅に低減し,分類精度を改善できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データマイニング ,  部分集合 ,  フィルタ ,  *特徴選択 ,  相互作用 ,  アルゴリズム ,  冗長性
準シソーラス用語： 分類精度 ,  特徴空間 ,  実行時間 ,  テキストデータ ,  テキスト分類 ,  *テキスト ,  *粒子群最適化 ,  *テキストマイニング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： テキストマイニング ,  粒子群最適化 ,  段階 ,  特徴選択