文献

J-GLOBAL ID：202202265141335767   整理番号：22A0497082

アラビア語テキスト分類:マルチラベリングシステムの必要性【JST・京大機械翻訳】

Arabic text classification: the need for multi-labeling systems

著者 (3件)： El Rifai Hozayfa (Department of Computer Science, University of Sharjah, Sharjah, UAE) ,  Al Qadi Leen (Department of Computer Science, University of Sharjah, Sharjah, UAE) ,  Elnagar Ashraf (Department of Computer Science, University of Sharjah, Sharjah, UAE)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 2  ページ： 1135-1159  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 与えられたテキストまたは文書を適切なラベルでタグ付けするプロセスはテキスト分類または分類として知られている。本研究の目的は,その語彙特徴に基づくニュース記事を自動的にタグ付けすることである。この目的を達成するために,2つの大きなデータセットを様々なアラビアニュースポータルから構築した。最初のデータセットは,4つのドメイン(ビジネス,中東,技術およびスポーツ)からの90k単一標識論文を含む。第2のデータセットは290k以上のマルチタグ付き論文を持っている。単一ラベルデータセットを調べるために,10の浅い学習分類器のアレイを採用した。さらに,著者らは,研究したすべての分類器の多数投票技術を採用するアンサンブルモデルを追加した。最初のデータセット上の分類器の性能は,87.7%(AdaBoost)と97.9%(SVM)の間であった。誤分類論文のいくつかを分析することにより,より良い分類結果に対する単一ラベル分類に対するマルチラベルの必要性を確認した。第2のデータセットでは,浅い学習と深層学習マルチラベリングアプローチの両方を試験した。マルチラベリングタスク用に設計されたカスタム精度メトリックを,ハミング損失メトリックと共に性能評価のために開発した。第1に,著者らは,1VsRest分類器においてそれぞれラッピングすることにより,ロジスティック回帰およびXGBoostのようなマルチラベルタスクと互換性のある分類器を用いた。XGBoostは,より高い精度,スコアリング84.7%を与えたが,ロジスティック回帰は81.3%であった。第2に,10のニューラルネットワークを構築した(CNN,CLSTM,BILSTM,GRU,CGRU,BIGRU,HANGRU,CRF-BILSTMおよびHANLSTM)。CGRUは,分類の残りより高い94.85%の精度をスコアリングする最良のマルチラベリング分類器であることを証明した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  互換性 ,  スポーツ ,  ラッピング ,  ニューラルネットワーク ,  語彙 ,  投票 ,  ニュース ,  中東 ,  性能評価
準シソーラス用語： *アラビア語 ,  *テキスト分類 ,  ロジスティック回帰分析 ,  タグ付 ,  ホップ数 , 【Automatic Indexing@JST】

著者キーワード (6件)： アラビア語テキスト分類 ,  単一ラベル分類 ,  マルチラベル分類 ,  アラビアのデータセット ,  浅い学習分類器 ,  深層学習分類器

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： アラビア語 ,  テキスト分類