文献

J-GLOBAL ID：202002252840441265   整理番号：20A0951814

SuperTML:構造化表データに関する事前認識のための二次元語埋め込み【JST・京大機械翻訳】

SuperTML: Two-Dimensional Word Embedding for the Precognition on Structured Tabular Data

著者 (7件)： Sun Baohua (Gyrfalcon Technology Inc.) ,  Yang Lin (Gyrfalcon Technology Inc.) ,  Zhang Wenhan (Gyrfalcon Technology Inc.) ,  Lin Michael (Gyrfalcon Technology Inc.) ,  Dong Patrick (Gyrfalcon Technology Inc.) ,  Young Charles (Gyrfalcon Technology Inc.) ,  Dong Jason (Gyrfalcon Technology Inc.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CVPRW  ページ： 2973-2981  発行年： 2019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： 表データは,Kagle MLとDS調査に従って産業におけるデータの最も一般的に使用される形式である。勾配ブースティングツリー,サポートベクトルマシン,ランダムフォレスト,およびロジスティック回帰は,テーブルデータに関する分類タスクのために典型的に使用される。カテゴリー埋め込みを用いたDNNモデルもこのタスクに適用されるが,これまでのすべての試みは一次元埋込みを用いてきた。二次元単語埋め込みを用いたスーパーチャター法の最近の研究は,テキスト分類タスクにおいて最先端の結果を達成し,この新しいアプローチの有望性を示した。本論文において,著者らはSuperTML方法を提案して,それはスーパーチャター方法と二次元埋め込みのアイデアを境界して,テーブルデータに関する分類の問題に取り組んだ。表データの各入力に対して,特徴を最初に画像のような二次元埋込みに投影し,次にこの画像を分類のために微調整二次元CNNモデルに供給した。提案したSuperTML法は,数値的な値への前処理を必要とせずに,自動的にテーブルデータにおけるカテゴリーデータと欠落値を扱う。モデル性能の比較を,Kagleプラットフォーム上での最大および最も活発な競争の1つ,およびUCI機械学習リポジトリにおけるトップ3つの最も一般的なデータセットについて行った。実験結果は,提案したSuperTML法が,大規模および小規模データセットの両方に関して,最先端の結果を達成したことを示した。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： 前処理 ,  *二次元 ,  一次元 ,  単語 ,  機械学習 ,  リポジトリ ,  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 ,  微調整 , 【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)： 構造化 ,  表データ ,  埋め込み