文献

J-GLOBAL ID：202002223302025399   整理番号：20A1892328

最適なテキスト分類のための自然にヒントを得たアンサンブル技法による新しいアプローチ【JST・京大機械翻訳】

Novel approach with nature-inspired and ensemble techniques for optimal text classification

著者 (2件)： Khurana Anshu (Department of Computer Science and Engineering, Delhi Technological University, New Delhi, India) ,  Verma Om Prakash (Department of Electronics and Communication, Delhi Technological University, New Delhi, India)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 79  号： 33-34  ページ： 23821-23848  発行年： 2020年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
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： テキスト分類は,完全なタスクを異なったクラスに分割することによって,時間複雑性と空間複雑性を減少する。テキスト分類による主な問題は,テキストデータから抽出した膨大な特徴である。前処理されたデータセットは,多くの特徴を持ち,その幾つかは望ましくなく,雑音のように作用する。本論文では,自然誘導アルゴリズムとアンサンブル分類器に基づく最適テキスト分類のための新しいアプローチを提案した。提案モデルにおいて,特徴選択を,アンサンブル分類器(Bagging)と共にBiogeographyベースの最適化(BBO)アルゴリズムを用いて行った。分類のためのアンサンブル分類器の使用は,個々の分類器と比較して,最適テキスト分類のためのより良い性能を提供し,従って,精度を改善する。アンサンブル分類器は個々の分類器の弱点を結合する。個々の分類器は,アンサンブル分類器と比較した場合,分類結果を改善できない。BBOアルゴリズムを用いた特徴選択後の選択した特徴を,6つの機械学習分類器を用いて様々なクラスに分類した。実験結果を,UCIリポジトリと航空会社の1つのリアルタイムデータセットから得た10のテキスト分類データセットに関して計算した。4つの異なる対策;精度,RecallおよびF測度を用いて,10倍の交差検証で本モデルの性能を検証した。特徴選択プロセスのために,文献において利用可能な最先端のアルゴリズムの間で比較を行った。結果は,特徴選択のためのBOOが他の類似の自然ベースの最適化技術より優れていることを示した。アンサンブル分類器によるBBOの提案手法を他の研究者により提案された手法と比較し,定量的および定性的結果を解析した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 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 ,  最適化 ,  雑音 ,  測度 ,  最適化手法 ,  前処理 ,  特徴選択 ,  機械学習 ,  航空会社 ,  リポジトリ
準シソーラス用語： *テキスト分類 ,  分類会計機 ,  複雑性 ,  アンサンブル分類器 ,  テキストデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： テキスト分類 ,  特徴選択 ,  自然ベースの最適化 ,  機械学習分類器 ,  アンサンブル分類器 ,  生物地理学に基づく最適化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： テキスト分類 ,  ヒント ,  アンサンブル ,  技法