文献

J-GLOBAL ID：202102257267928060   整理番号：21A2869635

動的人工ニューラルネットワークモデルを用いた自動テキスト分類【JST・京大機械翻訳】

Automated text classification using a dynamic artificial neural network model

著者 (4件)： Ghiassi M. (Santa Clara University, 500 El Camino Real, Santa Clara, CA 95053-0388, USA) ,  Olschimke M. (Santa Clara University, 500 El Camino Real, Santa Clara, CA 95053-0388, USA) ,  Moon B. (Santa Clara University, 500 El Camino Real, Santa Clara, CA 95053-0388, USA) ,  Arnaudo P. (Santa Clara University, 500 El Camino Real, Santa Clara, CA 95053-0388, USA)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 39  号： 12  ページ： 10967-10976  発行年： 2012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： 今日のインターネット時代における情報の広範なディジタル化は,効果的なテキスト文書分類アルゴリズムの必要性を強化した。テキスト分類,遺伝的分類,医療分類,その他を含むほとんどの実際の生活分類問題は,本質的に複雑であり,高次元によって特性化される。現在の解決戦略は,Naive Bayes(NB),ニューラルネットワーク(NN),線形最小二乗Fit(LLSF),k-Nearest-Neighbor(kNN),およびサポートベクトルマシン(SVM)を含む。SVMにより,ほとんどの場合,より良い結果を示した。本論文では,テキスト文書分類問題を解くための代替として,人工ニューラルネットワーク(DAN2)のための動的アーキテクチャと呼ばれる新しいアプローチを導入した。DAN2はパラメータ設定やネットワークアーキテクチャ構成を必要としないスケーラブルアルゴリズムである。テキスト分類のための効果的でスケーラブルな代替としてDAN2を示すため,Reuters-21578ベンチマークデータセットに対する比較結果を示した。結果は,DAN2が,確立された分類計量を用いて,現在の主導解(kNNとSVM)に対して非常に良く機能することを示した。Copyright 2021 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： 最小二乗法 ,  パターン認識 ,  *ニューラルネットワーク ,  遺伝 ,  人工知能 ,  高次元 ,  計算機アーキテクチャ ,  インターネット ,  機械学習 ,  ネットワークアーキテクチャ ,  サポートベクトルマシン
準シソーラス用語： *神経回路網モデル ,  *テキスト分類 ,  文書分類 ,  分類アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： 分類 ,  テキスト文書分類 ,  動的人工ニューラルネットワーク ,  パターン認識 ,  機械学習 ,  人工知能

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 人工ニューラルネットワークモデル ,  テキスト分類