@techreport{oai:ipsj.ixsq.nii.ac.jp:00218606,
 author = {田原, 英一 and 湯浅, 晃},
 issue = {36},
 month = {Jun},
 note = {企業への機械学習の導入において，業務システムからの大量データの抽出・加工は一般に大きな工数が必要となる．そのため，仮に大量データを用いてモデルの学習を行った場合，どのくらいの精度が得られるか少量データを用いて推定したい，というニーズが存在する．少量データで高精度なモデル構築を行う手法として転移学習があるが，目標ドメイン側で転移仮定をモデルに組み込むモデルベース手法や，目標ドメインに合わせて元ドメインの特徴空間を変換する特徴ベース手法においては，目標ドメインのテキストデータが数十件程度と著しく少ない条件下では適用が難しいことが知られている．そこで本稿では，事例ベース転移学習の一手法として，元ドメインと目標ドメインのサンプルをクラスタリングし，目標ドメインのサンプルが所属するクラスタの元ドメインのサンプルを，疑似的な目標ドメインのサンプルと見立てた上で文書分類器を構築し，精度を推定する手法を提案する．実験の結果，本手法によって取得したデータを用いて学習した分類器の精度推定値は，ランダムサンプリングによりデータを取得した分類器の精度推定値よりも，真の精度に近い値となることが確認された．これにより目標ドメインの近傍データを使用することは分類器の精度推定において有効であることが確認できた．},
 title = {目標ドメインにおける少量サンプルの近傍データを用いた文書分類器の精度推定手法},
 year = {2022}
}