文献

J-GLOBAL ID：202002265606244292   整理番号：20A0265757

テキスト分類のための重み学習【JST・京大機械翻訳】

Learning to Weight for Text Classification

著者 (3件)： Moreo Alejandro (Istituto di Scienza e Tecnologie dell’Informazione, Pisa, Italy) ,  Esuli Andrea (Istituto di Scienza e Tecnologie dell’Informazione, Pisa, Italy) ,  Sebastiani Fabrizio (Istituto di Scienza e Tecnologie dell’Informazione, Pisa, Italy)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 32  号： 2  ページ： 302-316  発行年： 2020年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  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： 情報検索(IR)と関連タスクにおいて,用語重みづけアプローチは,文書における用語の頻度を典型的に考慮し,文書に対する用語の重要性を反映するスコアを計算するために収集する。訓練データ(テキスト分類のような)の存在により特徴付けられるタスクにおいて,用語重み関数は関心のあるクラスを横断する用語の分布(訓練データから推定される)を考慮すべきであると論理的である。この直感を用いる「教師つき用語重みづけ」アプローチは以前に記述されているが,それらは一貫した改善を示すことができなかった。本論文では,この故障に対する可能な理由を解析し,問題への統合仮定を呼んだ。この批判に従い,著者らは,任意の定義された公式に頼る代わりに,興味のある訓練集合上で最適化された用語重み関数を学習する,新しい教師つき項重みづけアプローチを提案した。このアプローチをW8(LTW)に学習する。いくつかの良く知られたベンチマーク上で実行し,異なる学習法を用いて実験を行い,この方法がテキスト分類における以前の用語重み付け手法よりも優れていることを示した。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： 重み関数 ,  最適化 ,  ベンチマーク ,  *学習 ,  重みづけ ,  情報検索
準シソーラス用語： 訓練データ ,  *テキスト分類 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： テキスト分類 ,  学習