SHIMA Kotaro
,
TODORIKI Masaru
,
SUZUKI Atsuyuki
テキスト分類では次元の高さが問題となるため,情報利得,X^2といった指標を用いて属性選択が行われることが多い.しかし,これらの従来手法は属性を個々に評価するため,属性間の関連が考慮されないという問題があった.最近になって,高次元データに対して高い汎化能力を示すことが報告されているサポートベクターマシンを,属性選択に用いる手法が提案された.本研究では,同手法が多変量手法であるために,従来手法よりも頑 …
References (11)