異なるデータ長に対応したデータ圧縮による類似データ同定 : 近代日本文学データの著者推定による検証(セッション1: 言語情報・情報検索)

スポンサーリンク

概要

論文の詳細を見る
Benedettoらによる圧縮プログラムを用いた類似データの同定手法は高い精度を出しているにも関わらず、その後の研究が十分に行われてきたとはいえない。本研究では彼らの手法の欠点を改良した圧縮改善率からの推定手法を提案し、日本語データへの応用可能性を検証した。第一に、先行研究と同様にテキストを加工し固定長データを用いて、第二に、何も加工しない可変長データを用いて実験を行った。前者については50のテスト集合に対する平均成功率はBenedettoらの手法が90.5%、本研究が提案する圧縮改善率からの手法が97.7%となり、先行研究での最高値96.0%を上回る結果が得られた。また、圧縮改善率による手法はデータが短い場合にも他の手法に比べて性能劣化がほとんど起こらないことが明らかとなった。後者の実験についても圧縮改善率による手法は95.7%と高い成功率が得られた。
2005-05-19

著者

関連論文

もっと見る

スポンサーリンク