Item type |
デフォルトアイテムタイプ(フル)(1) |
公開日 |
2020-06-17 |
タイトル |
|
|
タイトル |
量的不均衡データに対する学習精度改善のための文書かさ増し手法 |
|
言語 |
ja |
作成者 |
澤崎, 夏希
遠藤, 聡志
當間, 愛晃
山田, 孝治
赤嶺, 有平
|
アクセス権 |
|
|
アクセス権 |
open access |
|
アクセス権URI |
http://purl.org/coar/access_right/c_abf2 |
主題 |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
かさ増し |
主題 |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
自然言語処理 |
主題 |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
不均衡データ |
主題 |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
オーバーサンプリング |
内容記述 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
機械学習アルゴリズムが特徴量そのものを学習することで様々な領域での問題解決にブレークスルーが起 こっている.テキスト分類の問題領域でも,多くの場合.高い分類精度を達成している.しかし成功例の多くは 各正解ラベルのデータ量が均一あるいはそれに近い状態であることが多い.このため.すべての正解ラベルデー タを十分量用意するためのコストが機械学習アプローチのボトルネックとなっている.また.ラベル毎のデータ 量が不揃いな場合は不均衡データと呼ばれうまく分類できないことが知られている.本研究では,自然言語の不 均衡データに対するかさ増し手法を提案する.提案手法を用いた,不均衡データ分類問題の計算実験を行い.分 類精度の検証によってその有用性を評価する. |
内容記述 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
論文 |
出版者 |
|
|
言語 |
ja |
|
出版者 |
Webインテリジェンスとインタラクション研究会 |
言語 |
|
|
言語 |
jpn |
資源タイプ |
|
|
資源タイプ |
conference paper |
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_5794 |
出版タイプ |
|
|
出版タイプ |
VoR |
|
出版タイプResource |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
識別子 |
|
|
識別子 |
http://hdl.handle.net/20.500.12000/46167 |
|
識別子タイプ |
HDL |
収録物名 |
|
|
言語 |
ja |
|
収録物名 |
第11回研究会オンライン・プロシーディングス |
書誌情報 |
p. 41-46,
発行日 2017-12-15
|