文献

J-GLOBAL ID：202002258094753149   整理番号：20A0883724

ラベルの意味論と構造情報の結合による階層的分類のための特徴選択【JST・京大機械翻訳】

Feature selection for hierarchical classification via joint semantic and structural information of labels

著者 (3件)： Huang Hai (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing 100876, China) ,  Huang Hai (School of Computing, Informatics, and Decision Systems Engineering, Arizona State University, AZ, USA) ,  Liu Huan (School of Computing, Informatics, and Decision Systems Engineering, Arizona State University, AZ, USA)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 195  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 階層的分類は多くの実世界アプリケーションで広く使われている。そこでは,ラベル空間はツリーまたは方向化されたサイクリックグラフ(DAG)として表示され,各ラベルは豊富な意味記述を持っている。次元縮小技術の一種である特徴選択は,機械学習アルゴリズムの性能改善に有効であることが証明されている。しかしながら,多くの既存の特徴選択法は,階層関係を無視し,ラベル空間における意味情報の利点を利用しないので,階層的分類問題に直接適用することができない。本論文では,ラベルの意味的および構造的情報に基づく新しい特徴選択フレームワークを提案した。最初に,ラベル記述を数学的表現に変換し,意味正則化としてラベル間の類似性スコアを計算した。第二に,構造正則化としてラベル空間のツリー構造における階層関係を調べた。最後に,特徴選択のためのスパース学習に基づくモデルに2つの正則化項を課した。さらに,提案したモデルをDAGの場合に適応させ,多くの実世界タスクにおいてこの方法をより一般的でロバストにした。実世界データセットに関する実験結果は,階層的分類領域に対する提案フレームワークの有効性を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  *特徴選択 ,  ロバスト性 ,  ツリー構造 ,  正則化 ,  階層構造 ,  次元縮小 ,  応用プログラム ,  *意味論 ,  類似性 ,  学習 ,  有効性
準シソーラス用語： 意味情報 , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  階層的分類 ,  ラベル意味論的類似性 ,  ラベル階層構造

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ラベル ,  意味論 ,  階層的分類 ,  特徴選択