<原著> Bayesian Spam Filterを用いた要約の自動分類の試み

概要

論文の詳細を見る
"保健医療分野では,病名や検査データのように構造化されたデータ以外に,インシデントレポート,放射線読影レポート,退院時サマリなど,構造を持たないテキストデータを扱うことが多い.これらのテキストデータを有効に活用するには何らかの方法でコード化して保存や検索を容易にする必要がある.しかしながら,日常の診療において日々大量に発生するテキストデータを人手によって分類し,コード化する作業は容易なことではない.そのような場合,機械学習の分野で培われてきたテキスト分類技術を利用して,分類作業の自動化を行うことに期待が集まる. 本研究では,迷惑メール(Spam)のフィルタとして考案されたBayesian Spam Filterを医学テキストの自動分類に適用し,その可用性を検討した.Bayesian Spam Filterは,Bayes 理論に基づき,分類済みのコーパスからテキストを構成する単語と分類カテゴリの関連性の度合いを学習し,未知のテキストを分類する技術である.医学テキストとしてPubMedからキーワードを指定して収集したabstractを用いた.Bayesian Spam Filterには当初Grahamによって考案され,その後,Robinsonによって改良が加えられたモデルを利用した.予備実験として,これらのモデルが使うパラメタの最適値を求め,それらを用いて各モデルの分類性能を調べた. その結果,最大でRecallが96.0%,Precisionが92.9%という分類性能を得た.これは,Bayesian Spam Filterの本来の目的であるSpamの分類成績には遠く及ばないものの,改善次第では十分に実用に耐えられる成績である.同時に,Robinsonの改良モデルにΧ^2による特徴選択を適用することにより,分類性能が向上することを明らかにした."

<原著> Bayesian Spam Filterを用いた要約の自動分類の試み

スポンサーリンク

概要

著者

関連論文

スポンサーリンク