文献

J-GLOBAL ID：202002217019535328   整理番号：20A2766352

テキスト分類のための機械学習法の性能比較【JST・京大機械翻訳】

Comparative Performance of Machine Learning Methods for Text Classification

著者 (4件)： Muhammad Bello Aliyu (Coventry University,School of Engineering, Environment and Computing,Coventry,United Kingdom) ,  Iqbal Rahat (Coventry University,School of Engineering, Environment and Computing,Coventry,United Kingdom) ,  James Anne (Coventry University,School of Engineering, Environment and Computing,Coventry,United Kingdom) ,  Nkantah Dianabasi (Coventry University,School of Engineering, Environment and Computing,Coventry,United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCIT-1441  ページ： 1-5  発行年： 2020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： 深層学習を含む機械学習法はデータ処理のために一般的である。深層学習法は,自然言語処理(NLP)タスクにおける応用において大きな有望性を示している。テキスト分類は,分類器を訓練するためにラベル付き文書を含む教師つき機械学習タスクである。テキスト分類のための機械学習と深層学習法を含む以前の研究を,比較的小さなサイズのデータ事例でテストした。本論文では,テキスト分類タスクにおける機械学習と深層学習アルゴリズムの性能を比較した。本論文ではまた,より大きなデータインスタンスに関して,これらの方法のスケーラビリティを研究し,探索し,比較した。サポートベクターマシン(SVM),ロジスティック回帰,ランダムフォレストおよびNaive Bayesマシン希薄化アルゴリズムおよび畳み込みニューラルネットワーク(CNN)深層学習法を使用した。タスクは,各データインスタンスにおいて平均20の文章を持つ6つの1000(6000)データインスタンスからなる6(6)クラスを含むマルチクラス分類問題を含んだ。CNN深層希薄アルゴリズムは,すべての機械学習アルゴリズムより優れ,85%以上の精度を達成した。これは,フィルタ重みが各時代の後方伝搬で更新されるためであり,従って,これは従来の方法と比較してより良い結果をもたらす。Copyright 2020 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】

シソーラス用語： アルゴリズム ,  フィルタ ,  自然言語処理 ,  データ処理 ,  深層 ,  *機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： *テキスト分類 ,  ロジスティック回帰分析 ,  ランダムフォレスト ,  Naive Bayes ,  教師付き機械学習 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： テキスト分類 ,  機械学習 ,  性能比較