文献

J-GLOBAL ID：201802274447900717   整理番号：18A0163262

効率的原作者帰属のための文書埋込みアプローチ【Powered by NICT】

Document embedding approach for efficient authorship attribution

著者 (2件)： Agun Hayri Volkan (Department of Computer Engineering, Anadolu University, Eskisehir, Turkey) ,  Yilmazel Ozgur (Department of Computer Engineering, Anadolu University, Eskisehir, Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICKEA  ページ： 194-198  発行年： 2017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： 著者属性は,多くの異なった特徴集合によるテキスト分類の観点で良く研究されている。しかし,発見話題独立特徴は困難であり,1つの領域における工夫特徴手で訓練されたモデルは,他の領域では機能しない。本研究では,著者識別問題のための文書埋込みとして知られている半教師つきニューラル言語モデルを使用した。この方法は良く知られたデータセットにおけるbag-of-words表現よりも顕著な改善を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *言語モデル
準シソーラス用語： テキスト分類 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (3件)： 原作 ,  文書 ,  埋込み