文献

J-GLOBAL ID：202002233440087033   整理番号：20A2691234

ニュースWebページ分類のための潜在的Dirichlet割当に基づくニューラルネットワーク【JST・京大機械翻訳】

Neural Networks Based on Latent Dirichlet Allocation For News Web Page Classifications

著者 (4件)： Alharbi Adel R. (University of Tabuk,Computer Engineering Department,Tabuk,Saudi Arabia) ,  Alharbi Shwaa D. (Shigry Schools Complex,Ministry of Education,Tabuk,Saudi Arabia) ,  Aljaedi Amer (University of Tabuk,Information Technology Department,Tabuk,Saudi Arabia) ,  Akanbi Oluwatobi (University of Colorado at Colorado Springs,Department of Computer Science,Colorado Springs,CO,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IICAIET  ページ： 1-6  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： 現代生活における任意の人気のあるニュースウェブサイトは,毎日何百万のユーザに詳細を提供する。コンピュータ技術は成長し続けているが,疾患データの数は増加している。データ認識を動的に可能にする文書をどのように構築するかは,洗練されたWebサービスのための主要な課題の1つになった。ニューステキストの伝統的系統的分類は,多くの人間と金融資産を必要とするだけでなく,高速分類機能もほとんど達成しない。本研究では,アラビア文書分類において用いられる潜在Dirichlet配置とニューラルネットワークの両方に依存する新しい方法を導入した。この手法は,テキスト分類のためのアプリケーションにおける文書を解釈するためにベクトル空間モデルを採用する。この過程において,テキストを項ベクトルとして表現した。nグラム。これらの方法は,意味的またはテキスト内容を区別することができない。これは特徴および意味損失に対してかなりの空間をもたらす。本研究では,新しい提案は,Latent Dirichlet Allocation法によりテキスト特性としてサンプリングされた「トピック」を利用する。効果的に,記述した問題を除去する。すべてのテキストの重要なテーマ(トピック)を抽出した。各テーマは異なる記述子分布によって同定され,次に各テキストはあるテーマのベクトル上で表現される。著者らの実験は,提案した解決策がアラビアテキスト分類タスクに対して85.11%の精度率で高効率を達成できることを示した。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： ベクトル ,  体系分類 ,  *ニューラルネットワーク ,  金融 ,  応用プログラム ,  *ニュース ,  Webサービス ,  *Webページ
準シソーラス用語： テキスト分類 ,  文書分類 ,  ベクトル空間モデル , 【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 (5件)： ニュース ,  Webページ ,  分類 ,  割当 ,  ニューラルネットワーク