Text categorization using machine lerning
Hirotoshi Taira · Institutional Repositories DataBase (IRDB) · 2002
博士論文題目Text Categorization Using Machine IJearning (機械学習を用いたﾃｷｽﾄ分類) 氏名 平博順 (論文内容の要旨) 近年､大量のﾃｷｽﾄﾃﾞ-ﾀが利用可能になったことや､ｺﾝﾋﾟｭ-ﾀの性能が 大幅に向上したことから､機械学習的ｱﾌﾟﾛ-ﾁ､すなわち人手によりｶﾃｺﾞﾘﾗ ﾍﾞﾙを付与したﾃｷｽﾄﾃﾞ-ﾀから自動的に分類器を作成する方法が､分類精度･ 省力性･保守性に優れているために主流となっている｡本論文では､機械学習を用 いたﾃｷｽﾄ分類に関して､次のような点について研究を行なった｡すなわち､大 量の単語属性を用いて高精度の分類を行う方法､分類ﾗﾍﾞﾙ有り訓練ﾃﾞ-ﾀが少な いときにﾗﾍﾞﾙなしﾃﾞ-ﾀの分布を利用する方法､および､下位ｶﾃｺﾞﾘの存在を 仮走し､能動的ﾗﾍﾞﾙ付けを用いて効率よく高精度の分類を実現する方法である｡ 機械学習を用いて高精度のﾃｷｽﾄ分類を行うためには､ -般に沢山の単語属性 が必要であり､従来の学習手法では沢山の単語属性を入力として使用すると訓練ﾃﾞ-ﾀに対して必要以上に適合して､未知のﾃﾞ-ﾀに対する分類精度は落ちるという過 学習が起きる問題があった｡そこで様々な情報量で属性選択を行い､学習に使用す る属性の次元を数百程度まで減らして学習を行っていた｡しかし､数百程度の属性 では､十分に高い分類精度を持つ分類器を学習することは困難であった｡そこで､ 過学習しにくいとされる新しい機械学習手法であるｻﾎﾟ-ﾄﾍﾞｸﾀﾏｼﾝを用いて ﾃｷｽﾄ分類をおこなった｡さらに､ｻﾎﾟ-ﾄﾍﾞｸﾀﾏｼﾝを用いる場合にも属性 選択は有効であるかどうかを評価した｡ 次に､ﾄﾗﾝｽﾀﾞｸﾃｲﾌﾞ･ﾌﾞ-ｽﾃｲﾝｸﾞを用いたﾃｷｽﾄ分類について研究 を行った｡訓練ﾃﾞ-ﾀが十分に得られる場合には､ｻﾎﾟ-ﾄﾍﾞｸﾀﾏｼﾝやﾌﾞ-ｽ ﾃｲﾝｸﾞなどのﾏ-ｼﾞﾝ最大化分類は高い分類精度を持つ分類器を生成するために 有効な手法であるが､訓練ﾃﾞ-ﾀの作成は人手で行うため､ｺｽﾄが高く､学習に 十分な訓練ﾃﾞ-ﾀが得られないことも多い｡そこで､分類ﾗﾍﾞﾙが付与されていな い未知のﾃﾞ-ﾀの分布も考慮に入れて学習を行うﾄﾗﾝｽﾀﾞｸｼﾖﾝの手法をﾃｷ ｽﾄ分類の学習に取り入れた｡ｻﾎﾟ-ﾄﾍﾞｸﾀﾏｼﾝと同じﾏ-ｼﾞﾝ最大化分類器 の-つであるﾌﾞ-ｽﾃｲﾝｸﾞ､特にｱﾀﾞﾌﾞ-ｽﾄｱﾙｺﾞﾘｽﾞﾑにﾄﾗﾝｽﾀﾞｸｼｮ ﾝを組み入れる方法を提案した｡ さらに､拡張結合混合分布ﾓﾃﾞﾙを用いたﾃｷｽﾄ分類についての研究を行った｡ 与えられたｶﾃｺﾞﾘの中に潜在的に下位ｶﾃｺﾞﾘを仮走したときの分類について述 べる｡さらに､訓練ﾃﾞ-ﾀが少ないときに､未知ﾃﾞ-ﾀに対して､分類に重要だと 思われる少数のﾃﾞ-ﾀを機械的に選択､提示し､少数のﾃﾞ-ﾀに人手でｶﾃｺﾞﾘ付 与を行うことで､効率よく高精度の分類器を得る｢能動的ﾗﾍﾞﾙ付け｣手法を提案 した｡