文献

J-GLOBAL ID：201802275973345429   整理番号：18A0432573

集団節量を用いたグラフに基づくキーワード抽出モデル【Powered by NICT】

A graph based keyword extraction model using collective node weight

著者 (3件)： Biswas Saroj Kr. (Computer Science and Engineering Department, National Institute of Technology Silchar, 788010 Assam, India) ,  Bordoloi Monali (Computer Science and Engineering Department, National Institute of Technology Silchar, 788010 Assam, India) ,  Shreya Jacob (Computer Science and Engineering Department, National Institute of Technology Silchar, 788010 Assam, India)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 97  ページ： 51-59  発行年： 2018年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,大量テキストのツイッターソーシャルネットワーキングサイトに対する社会的目的のために発生している。ツイッター含有量の要約と分析がなど情報検索,自動インデキシング,自動分類,自動クラスタリング,自動フィルタリングなどの多くの応用に利益をもたらすとして重要な仕事である。ツイート解析における最も重要な課題の1つは,自動キーワード抽出である。中心性測度に基づくのみキーワードを決定するキーワード抽出のためのいくつかのグラフベースの手法である。しかし,Twitterにおけるキーワードの重要性は,周波数,中心性,位置とキーワードの近傍の強度のような種々のパラメータに依存する。それ故に,本論文では,種々の影響パラメータを用いてキーワードの重要性を決定する集団ノード量(KECNW)を用いたキーワード抽出と呼ばれる新しい教師なしグラフに基づくキーワード抽出法を提案した。KECNWは種々のパラメータに依存してノードの重みとノードエッジランク中心性に基づいている。モデルは五データセット:ウリ攻撃,米国選挙,Harry Potter,IPLとドナルドトランプで検証した。KECMWの結果では三個の既存モデルと比較した。実験結果から提案した方法は他のものよりはるかに良好なことである。性能を精度,リコールとF測定の観点から示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： フィルタリング ,  クラスタ化 ,  アメリカ合衆国 ,  測度 ,  自動索引法 ,  周波数 ,  *キーワード ,  自動分類 ,  情報検索 ,  *グラフ
準シソーラス用語： テキストマイニング ,  選挙 ,  ツイッター ,  テキスト ,  *キーワード抽出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 感情分析 ,  キーワード抽出 ,  グラフに基づくモデル ,  中心度測度 ,  テキストマイニング

分類 (2件)： 自然語処理  (JE06000L) ,  検索技術  (AC06020S)

タイトルに関連する用語 (4件)： 集団 ,  グラフ ,  キーワード抽出 ,  モデル