文献

J-GLOBAL ID：201802256001937694   整理番号：18A0901548

微博ユーザ性別分類手法研究【JST・京大機械翻訳】

Research on the Gender Classification of Micro-blog Users

著者 (3件)： Qiu Jing (武漢理工大学 計算机科学与技術学院,湖北 武漢 430070;95801部隊,北京 100843) ,  Li Lin (武漢理工大学 計算机科学与技術学院,湖北 武漢,430070) ,  Zheng Yunpei (武漢理工大学 計算机科学与技術学院,湖北 武漢,430070)
資料名： Liaoning Gongye Daxue Xuebao (Ziran Kexue Ban)  (Liaoning Gongye Daxue Xuebao (Ziran Kexue Ban))
巻： 38  号： 1  ページ： 13-18  発行年： 2018年 
JST資料番号： C3588A  ISSN： 1674-3261  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 小博ユーザの性別分類を目的として、分類の正確性を高めるために、多種モデルとモデル融合の方法を比較研究を試みた。用いたデータセットは初めて「マイクロカップ」の技術評価から由来した。最初に,中国語のマイクロブログデータの特性を結合して,マイクロボアのユーザ粒度に基づいてデータの前処理を行い,次に,ロジスティックRegression,RandomForest,SVMなどのモデルを使用し,モデルのパラメータ,タイプ,およびカーネル関数をそれぞれ比較し,最後に,訓練サンプルをいくつかのバッチに分割し,次に,異なるモデルと同じモデルに従って,それぞれ,融合分類を行った。.1.,2つのモデル,すなわち,2つのモデル,すなわち,2つのモデル,すなわち,それぞれ,モデルの分類,分類,およびカーネル関数の分類を,それぞれ,実行した,そして,次に,それぞれのモデルの分類と分類を,それぞれ,いくつかのバッチに分割し,次に,それぞれのモデルの分類と,同じモデルの利用によって,それぞれ,分類する,そして,次に,モデルの分類と分類を,それぞれ,行った,そして,次に,訓練サンプルを,いくつかのバッチに分割して,次に,それぞれ,いくつかのバッチに割り当てた。実験結果は,複数のSVMモデルの融合法が,マイクロボアのユーザ性分類の精度が高いことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： モデリング ,  テクノロジーアセスメント ,  ロット ,  前処理 ,  中国語 ,  *モデル
準シソーラス用語： Kernel関数 ,  正確性 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 性別分類 ,  手法 ,  研究