文献

J-GLOBAL ID：202002274133675195   整理番号：20A0494650

日本語に対する潜在的意味解析を用いた自動短エッセイ等級付けシステムにおけるサポートベクトルマシンによる用語周波数逆文書周波数応答分類【JST・京大機械翻訳】

Term Frequency-Inverse Document Frequency Answer Categorization with Support Vector Machine on Automatic Short Essay Grading System with Latent Semantic Analysis for Japanese Language

著者 (6件)： Putri Ratna Anak Agung (Universitas Indonesia,Department of Electrical Engineering,Depok,Indonesia) ,  Kaltsum Aaliyah (Universitas Indonesia,Department of Electrical Engineering,Depok,Indonesia) ,  Santiar Lea (Universitas Indonesia,Department of Electrical Engineering,Depok,Indonesia) ,  Khairunissa Hanifah (Universitas Indonesia,Department of Electrical Engineering,Depok,Indonesia) ,  Ibrahim Ihsan (Universitas Indonesia,Department of Electrical Engineering,Depok,Indonesia) ,  Purnamasari Prima Dewi (Universitas Indonesia,Department of Electrical Engineering,Depok,Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICECOS  ページ： 293-298  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： 本論文では,日本語の言語自動短距離システムの精度を向上させるための研究を行った。日本語の短い答えは,教師つき機械学習アルゴリズムで処理される。潜在的意味分析(LSA)を用いたシステムに入る前に,サポートベクトルマシン(SVM)を用いた。SVMを用いて,評価における誤差を最小化する短い回答トピックを分類した。TF-IDFプロセスは,SVMへの入力として,文章におけるあらゆるキーワードを重み付けするために行われる。次に,結果をLSAで処理した。LSAは,SVDの結果からの最終計算として,主プロセスとしての特異値分解(SVD)とFrobenius Normを使用する。SVMにおける線形カーネルを用いて,日本語で書かれた短い回答から短い回答トピックを分類することにおいて得られた精度は,10.0から100.0のペナルティ値と0.5の訓練部分によって96.36%であった。LSAから得られた精度スコアは,単語の発生頻度を示すTDMの入力により,87.15%の平均値である。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： アルゴリズム ,  *周波数応答 ,  ペナルティ ,  キーワード ,  言語 ,  等級づけ ,  *サポートベクトルマシン ,  特異値分解 ,  線形性 ,  *日本語 ,  単語
準シソーラス用語： 教師付き機械学習 ,  *潜在的意味解析 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 日本語 ,  潜在的意味解析 ,  等級付け ,  サポートベクトルマシン ,  用語 ,  文書 ,  周波数応答 ,  分類