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,それらのコンテンツに基づいて,電子テキスト文書の集合をあらかじめ定義されたクラスに自動的に分類するタスクである。これらの近年のテキストデータの量の増加により,文書分類はテキスト分類システムの形で出現した。それらは,スパムフィルタリング,メール,知識リポジトリおよびオントロジーマッピングのような多数のアプリケーションにおいて広く実装されている。主な本質は,特徴ベクトル次元の特徴選択と縮小に基づくテキスト分類技術を提案し,前処理を用いて分類精度を増加させることである。本論文では,サポートベクトルマシン(SVM)を用いて不確実データを分類する方法について詳細な研究を行った。SVMは,最も低い構造リスク原理に基づく強力で監督された学習サンプルである。訓練の間,このアルゴリズムは正と負のサンプルを分離するための超平面を作り出す。SVM分類器に用いられるカーネルのタイプは分類結果に大きな影響を持つ。本論文では,線形,多項式,シグモイドおよび半径のような4つのタイプのSVMカーネル法を用いて分類するために,Breast Cancer Wisconsin(診断)データセットを用いた。得られた分類結果は,動径カーネル法が最も適したデータセットであることを明らかにした。カーネル法の適合性を測定するために,種々の因子を精度,カッパ値,感度,特異性精度などの分類結果と比較した。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】