| 講演名 | 2011-03-11 単語出現頻度とブログ記事の構造に着目したフィルタリングによる適合ブログ記事検索(一般セッション,文字・文書の認識と理解) 中谷 浩輝, 吉田 真一, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本研究では,ブログ記事から記事閲覧者にとって有用な記事を選別・抽出する手法を検討する.対象記事500,単語数19003から,idf値に基づいて単語数を100まで削減し,さらに主成分分析を用いて特徴ベクトルの次元を3～5に削減した.単語ベクトルの構築には,単語の出現の有無を0または1の2値で表したもの,および,単語が出現した場合に1の代わりにtf-idf値を用いたもの(単語ヒストグラム)の2通りを用いた.ニューラルネットワーク(多層パーセプトロン)にて100記事を学習させ,別の4セットの100記事にて分類精度を測定した.この結果,分類精度は,単語ベクトルを用いた場合は,平均的に正答率70%,単語ヒストグラムでは正答率60%を得られた.この結果から,単語ヒストグラムでは正答率が下がるが,その代わり有用なものを不用と誤分類する割合が減少しており,再現率が高くなっているものと推定される. |
| 抄録(英) | Classification of Blog articles using word vector is proposed and investigated of its precision. This algorithm classifies Blog articles to two categories-useful and useless. The number of Blog articles is 500 and 19003 word vectors are extracted and the number of word vectors is reduced to 100 based on idf value. The number of feature vectors is reduced to 3 to 5 using principal component analysis. Blog articles and their usefulness are input to neural network (multi-layer perceptron) and the network is trained by 100 articles and classifies 100 articles. The output precision is 70% in average using word-vectors, 60 % using tf-idf valued word-histograms. The result shows that the precision decreased using tf-idf valued word-histograms, but the misclassified output of a useful article to a useless article is also decreased. Therefore the recall rate is thought to be increased using tf-idf valued word-histogram. |
| キーワード(和) | ブログ / 分類 / 単語ベクトル / tf-idf / ニューラルネットワーク |
| キーワード(英) | blog / classification / word vector / tf-idf / neural-network |
| 資料番号 | PRMU2010-292 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2011/3/3(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Pattern Recognition and Media Understanding (PRMU) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 単語出現頻度とブログ記事の構造に着目したフィルタリングによる適合ブログ記事検索(一般セッション,文字・文書の認識と理解) |
| サブタイトル（和） | |
| タイトル（英） | Filtering using Term Frequency and Structure of Blog Entries for Retrieving Relevant Entries |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ブログ / blog |
| キーワード(2)（和/英） | 分類 / classification |
| キーワード(3)（和/英） | 単語ベクトル / word vector |
| キーワード(4)（和/英） | tf-idf / tf-idf |
| キーワード(5)（和/英） | ニューラルネットワーク / neural-network |
| 第 1 著者 氏名（和/英） | 中谷 浩輝 / Kouki NAKATANI |
| 第 1 著者 所属（和/英） | 高知工科大学大学院工学研究科基盤工学専攻情報システム工学コース Graduate School of Engineering, Kochi University of Technology |
| 第 2 著者 氏名（和/英） | 吉田 真一 / Shinichi YOSHIDA |
| 第 2 著者 所属（和/英） | 高知工科大学情報学群 School of Information, Kochi University of Technology |
| 発表年月日 | 2011-03-11 |
| 資料番号 | PRMU2010-292 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | 467 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |