文献

J-GLOBAL ID：201902217412860618   整理番号：19A2417407

極端なマルチラベルテキスト分類のための注意による深層学習法【JST・京大機械翻訳】

Deep Learning Method with Attention for Extreme Multi-label Text Classification

著者 (4件)： Chen Si (Beijing University of Posts and Telecommunications, Beijing, China) ,  Wang Liangguo (Information Science Academy of China Electronics Technology Group Corporation, Beijing, China) ,  Li Wan (Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhang Kun (Information Science Academy of China Electronics Technology Group Corporation, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11672  ページ： 179-190  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 極端なマルチラベルテキスト分類(XMTC),数百または数百万ラベルからの各ドキュメントの最も関連したラベル部分集合を発見する問題は,大規模データのブーム以来,実用的で重要な問題である。近年,機械学習法の開発により著しい進歩がなされている。しかし,深い学習法は他の関連分野において伝統的な方法を持っているが,予測の性能を考慮するとき,XMTCにおいて明確な利点を持たない。Extremeマルチラベルテキスト分類のための深い学習法の性能を改善するために,テキスト空間をより良く探索するための新しい特徴抽出法を提案した。具体的には,多視点特徴を抽出するために,注意機構,畳込みニューラルネットワーク,および再帰ニューラルネットワークから成るモデルを構築した。4つの公共利用可能なデータセットに関する広範囲な実験は,著者らの方法が従来の方法と深い学習方法を含むいくつかの強いベースラインより良い性能を達成することを示した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  特徴抽出 ,  *学習 ,  機械学習 ,  部分集合 ,  基準線
準シソーラス用語： 学習方法 ,  畳込みニューラルネットワーク ,  *テキスト ,  大規模データ ,  *深層学習 ,  *テキスト分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： 極端なマルチラベル分類 ,  深層学習 ,  特徴抽出

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： マルチ ,  ラベル ,  テキスト分類 ,  注意 ,  深層学習