文献

J-GLOBAL ID：202002265247343089   整理番号：20A2197343

短いテキストデータのためのラフ集合を用いた新しいフィルタ特徴選択法【JST・京大機械翻訳】

A novel filter feature selection method using rough set for short text data

著者 (2件)： Cekik Rasim (Department of Computer Engineering, Eskisehir Technical University, Eskisehir, Turkey) ,  Uysal Alper Kursat (Department of Computer Engineering, Eskisehir Technical University, Eskisehir, Turkey)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 160  ページ： Null  発行年： 2020年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 高次元問題は,分類器の計算コストと精度への影響により,短いテキスト分類のための重要な関心事である。また,短いテキストデータは,高次元であり,不完全で,矛盾し,まばらな構造を持っている。より良い表現を提供する重要な特徴の選択は,高次元問題の解決策である。本研究では,新しいフィルタ特徴選択法,Proportional Rough Selector(PRFS)を開発したが,これは,クラスに属するか,あるいはクラスに属する可能性のある文書を同定するために,用語の値集合に従って,地域識別のためにラフ集合を使用した。クラスに属することができる文書は,αと命名された係数による乗算によって罰される。さらに,項ベクトル空間におけるスパース性の影響をラフ集合の助けを借りて計算した。PRFSを,Gini指数,情報利得,識別特徴セレクタ,最近提案された最大分比,および正規化差分測定方法のような最先端のフィルタ特徴選択法と比較した。比較は,Macro-F1成功測度を有する4つの異なる短いテキストデータセットに関する様々な特徴サイズを用いて実行した。実験結果は,PRFSが,Macro-F1に関して,他の特徴選択法に関して,より良いまたは競合性能を提供することを実証した。本研究は,ラフ集合理論を用いた短いテキスト分類のための新しい特徴選択法を提案したので,この研究分野における先駆的研究である。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： 選別器 ,  測度 ,  ベクトル空間 ,  *特徴選択 ,  高次元 ,  正規化 ,  *ラフ集合
準シソーラス用語： テキスト分類 ,  スパース性 ,  計算コスト ,  ラフ集合論 ,  情報利得 ,  *テキストデータ , 【Automatic Indexing@JST】

著者キーワード (3件)： 短いテキスト分類 ,  ラフ集合 ,  特徴選択

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： テキストデータ ,  ラフ集合 ,  フィルタ特徴 ,  選択法