文献

J-GLOBAL ID：202002251854840497   整理番号：20A2277109

オブジェクトカテゴリー化サービスを強化するための潜在的関係のモデル化【JST・京大機械翻訳】

Modeling Latent Relation to Boost Things Categorization Service

著者 (5件)： Chen Yuanyi (Department of Computer Science and Technology, Shanghai Jiao Tong University, Shanghai, China) ,  Zhang Jingyu (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Xu Liting (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Guo Minyi (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Cao Jiannong (Department of Computing, Hong Kong Polytechnic University, Hong Kong, China)
資料名： IEEE Transactions on Services Computing  (IEEE Transactions on Services Computing)
巻： 13  号： 5  ページ： 915-929  発行年： 2020年 
JST資料番号： W2437A  ISSN： 1939-1374  資料種別： 逐次刊行物 (A)
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： モノのインターネット(IoT)は,物理世界とサイバー世界を統合する能力を提供するとよく理解されているが,検索と推薦のために意味ラベル(即ち,物語分類)で,いかに効率的に注釈付けするかのような,多数の不均質物が接続し,相互作用した多くの重大な課題も提示する。IoTの幾つかの特性(例えば,薄いテキストプロファイルは通常短く,雑音,物語は機能性と属性に関して不均一である)のために,物語分類のための伝統的方法は有効でない。本論文では,与えられた薄型に対する意味ラベルを自動的に予測するための新しい物語分類技術を開発した。提案手法は,マルチラベル分類問題としてのカテゴリー化を定式化し,マルチラベル分類をサポートするために各ラベルに対する二値サポートベクトルマシン分類器を学習する。分類モデルを訓練するために2種類の特徴を抽出した。1)薄型プロファイルと空間時間パターンからの明示的特徴;2)薄い潜在関係強度からの陰的特徴。相互作用挙動から薄型の潜在的関係強度を明らかにするために潜在変数モデルを利用した。3つの実データセットに基づく包括的な実験的研究を行い,結果は,融合薄型の潜在的関係強度が,有意に,物語分類を促進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： 雑音 ,  相互作用 ,  定式化 ,  *サポートベクトルマシン
準シソーラス用語： モノのインターネット ,  マルチラベル分類 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： オブジェクトカテゴリー化 ,  サービス ,  強化 ,  モデル化