半構造化テキストの分類のためのブースティングアルゴリズム

• Item type: Journal(1)
• 公開日: 2004-09-15
• タイトル: 半構造化テキストの分類のためのブースティングアルゴリズム
• タイトル / 言語: en
• タイトル: A Boosting Algorithm for Semi-structured Text Classification
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• その他タイトル / その他のタイトル: データマイニング
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科／現在，日本電信電話株式会社NTTコミュニケーション科学基礎研究所
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nara Institute of Science and Technology/Presently with NTT Communication Science Laboratories, NTT Corporation
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nara Institute of Science and Technology
• 著者名: 工藤, 拓; 松本, 裕治
• 著者名(英): Taku, Kudo; Yuji, Matsumoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，テキスト分類は，単純なトピック分類から，文のモダリティ，意見性，主観性といった書き手の意図に基づく分類へと，そのタスクの多様化が進んでいる．それにともない，単語の集合（bag-of-words）を素性とする古典的手法では十分な精度を得にくくなっている．精度向上には，テキストの構造（構文/レイアウト）を考慮する必要があるが，恣意的に選択された部分構造のみを用いた手法が多い．本稿では，構造を考慮したテキスト分類（半構造化テキスト分類）に向け，部分木を素性とするdecision stumpsと，それを弱学習器とするBoostingアルゴリズムを提案する．また，Tree Kernelを用いたSVMとの関連性，および本手法の利点について言及する．実データを用いた実験により，提案手法の有効性を検証する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The research focus in text classification has expanded from a simple topic identification to a more challenging task, such as opinion/modality identification. For the latter, the traditional bag-of-word representations are not sufficient, and a richer, structural representation will be required. Accordingly, learning algorithms must be able to handle such sub-structures observed in text. In this paper, we propose a Boosting algorithm that captures sub-structures embedded in text. The proposal consists of i) decision stumps that use subtrees as features and ii) Boosting algorithm in which the subtree-based decision stumps are applied as weak learners. We also discuss a relation between our algorithm and SVM with Tree Kernel. Two experiments on the opinion/modality classification tasks confirm that subtree features are important. Our Boosting algorithm is computationally efficient for classification tasks involving discrete structural features.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 45, 号 9, p. 2146-2156, 発行日 2004-09-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764