トピック共起カーネルを利用した多重トピック文書分類

• Item type: SIG Technical Reports(1)
• 公開日: 2007-05-24
• タイトル: トピック共起カーネルを利用した多重トピック文書分類
• タイトル / 言語: en
• タイトル: Multi-topic Text Classification by Using Topic Co-occurrence Kernel
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: ジャストシステム イノベーティブテクノロジー研究開発部
• 著者所属(英): en
• 著者所属(英): Justsystems Innovative Technology R&D Division
• 著者名: 力徳, 正輝
• 著者名(英): Masaki, Rikitoku
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: マージン最大化法による多重トピック文書分類においてトピック共起カーネルをトピック素性空間に導入する．このカーネルはトピックの共起頻度から構成され，各トピック間の相関を取り込むことができる． またトピック共起カーネルは非対角項を持つカーネル行列として表現され，分類時には重みベクトルを明示的に構成できる．そのため分類時にもカーネル関数を必要とする手法に比べ高速な分類を実現できる．実験結果から提案カーネルは，線形カーネルに比べサイズの大きい多重トピックに対する平均トピックF1値で優れていることがわかった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose the topic co-occurrence kernel for a multi-topic text classification based on the max-margin principle, which kernel is defined by a topic co-occurrence frequency in the topic feature space and can deal with correlation of the topics. The topic co-occurrence kernel is represented as a kernel matrix with non-diagonal matrix elements and we can explicitly construct the weight vector in a classification. It enables the faster classification compared with the methods requires a kernel in a classification. Experiments show that the proposed kernel outperformed the linear kernel in the case that the number of multi-topics is greater than 1.
• 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: AN10115061
• 書誌情報: 情報処理学会研究報告自然言語処理（NL）; 巻 2007, 号 47(2007-NL-179), p. 1-6, 発行日 2007-05-24
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会