[1J2] 自然言語処理-自然言語処理応用(2)

[1J2-02] SVMに基づく適合フィードバックにおける探索空間縮小効果の実験的分析

〇今村 優斗¹、西垣 貴央¹、小野田 崇¹ (1. 青山学院大学)

キーワード：サポートベクターマシン、適合フィードバック、探索空間

適合フィードバックを対話的分類学習と捉え、分類学習アルゴリズムの１つであるサポートベクターマシン:SVM(Support Vector Machines)を適用する方法が提案されている。ベクトル空間モデルによる文書検索では、文書ベクトルはデータベース上の文書に含まれる語彙の数だけの属性を持つため、探索空間が非常に大きくなってしまうことがある。このとき、検索に無意味な属性の存在により、検索性能が下がるという現象が生じる。しかし、SVMに基づく適合フィードバックにおける探索空縮小効果についての研究は十分に行われてきていない。そこで本論文では、ランダムに属性を選択する手順・提示文書中に使用されている属性のみを用いる手順を計8つ用意し、実験を行った。その結果、ランダムに属性を選択する手順では適合フィードバックの性能は下がってしまうが、提示文書に含まれている属性を用いる手順では、適合フィードバックの性能が向上することが確認できた。これにより、分類に有効な属性を選択していくことで、SVMに基づく適合フィードバックの性能を向上させることが可能だと示すことができた。