生成・識別モデルの統合に基づく半教師あり学習法とその多重分類への応用
スポンサーリンク
概要
- 論文の詳細を見る
各データが複数のカテゴリに属する多重分類問題に対して,ラベルありデータとラベルなしデータを用いた半教師あり学習により分類器を設計する手法を提案する.提案法では,ラベルありデータで学習させる識別モデルとラベルなしデータで学習させる生成モデルの統合により分類器を得る.提案法を多重テキスト分類問題に適用するため,識別モデルに対数線形モデルを,生成モデルにナイーブベイズモデルを用いる.実テキストデータからなる3つのテストコレクションを用いた実験で,従来の対数線形モデルとナイーブベイズモデルの半教師あり学習法と比較して,提案法ではより高い汎化能力を持つ多重分類器を得られることを確認した.
- 一般社団法人情報処理学会の論文
- 2008-09-11
著者
-
上田 修功
日本電信電話株式会社NTTコミュニケーション科学基礎研究所
-
磯崎 秀樹
日本電信電話(株)NTTコミュニケーション科学基礎研究所
-
藤野 昭典
日本電信電話株式会社NTTコミュニケーション科学基礎研究所
-
磯崎 秀樹
日本電信電話株式会社 Nttコミュニケーション科学基礎研究所
-
磯崎 秀樹
日本電信電話株式会社 Ntt コミュニケーション科学基礎研究所
-
藤野 昭典
NTTコミュニケーション科学基礎研究所
-
上田 修功
日本電信電話株式会社 Nttコミュニケーション科学基礎研究所
-
上田 修功
日本電信電話株式会社
関連論文
- 購買行動解析のためのトピック追跡モデル(人工知能,データマイニング)
- ユーザの嗜好の時系列性と先行性に着目した協調フィルタリング(コンテンツ技術,Web情報システム)
- 購買順序を考慮した協調フィルタリング(「自動化:推論,発見,学習,データマイニング」及び一般)
- 最近のベイズ理論の進展と応用[IV] : 変分ベイズ法
- ベイズ階層言語モデルによる教師なし形態素解析(言語モデル・ウェブ解析)
- グラフ索引構造を用いた高速類似探索(人工知能,認知科学)
- 最適化問題としての文書要約
- ノンパラメトリックベイズ入門(オーガナイズドセッション,コンピュータビジョンとパターン認識のための学習理論)
- ノンパラメトリックベイズ入門(オーガナイズドセッション2)
- 一括予測型協調フィルタリング