文献

J-GLOBAL ID：202002276179834612   整理番号：20A0246265

TNG特徴拡張に基づくMLFM-MN短テキスト分類アルゴリズム【JST・京大機械翻訳】

An MLFM-MN short text classification algorithm based on TNG feature extension

著者 (3件)： Wen Wu (重慶郵電大学通信与信息工程学院 ,重慶 400065;重慶郵電大学通信新技術応用研究中心,重慶 400065;重慶信科設計有限公司,重慶 401121) ,  Li Peiqiang (重慶郵電大学通信与信息工程学院 ,重慶 400065;重慶郵電大学通信新技術応用研究中心,重慶 400065) ,  Guo Youqing (重慶郵電大学通信与信息工程学院 ,重慶 400065;重慶郵電大学通信新技術応用研究中心,重慶 400065)
資料名： Jisuanji Gongcheng Yukexue  (Jisuanji Gongcheng Yukexue)
巻： 41  号： 11  ページ： 2071-2078  発行年： 2019年 
JST資料番号： C2938A  ISSN： 1007-130X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 大量の短いテキストにおいて,特徴がスパースで,データ次元が高いという問題のため,従来のテキスト分類方法は,分類速度と精度において理想的な効果を達成しなかった。この問題に対して,TopicN-Gram(TNG)特徴拡張に基づくマルチレベルファジィ最小-最大ニューラルネットワーク(MLFM-MN)短テキスト分類アルゴリズムを提案した。まず第一に,改良TNGモデルを使用して特徴拡張ライブラリを構築し,その特徴を拡張して,この拡張ライブラリは単語分布を推定するだけでなく,各トピックテキストのフレーズ分布も推定できる。次に,短いテキストのオリジナルの特徴に従って,これらのテキストの主題傾向を計算し,主題傾向に従って,特徴拡張ライブラリから適切な候補語と句を選択し,それらの候補語と句を元のテキストに入れた。最後に、MLFM-MNアルゴリズムを用いて、これらの拡張された原始テキストの対象を分類し、精確率、再現率とF1スコアを用いて分類効果を評価した。実験結果は,提案した新しい分類アルゴリズムがテキスト分類性能を著しく改善できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  ニューラルネットワーク ,  単語
準シソーラス用語： 再現率 ,  句 ,  フレーズ ,  *テキスト分類 ,  *分類アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： 情報処理一般  (JE15010U) ,  計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 拡張 ,  分類アルゴリズム