선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- Chene 특징 공간의 차원을 줄여 효율성과 정확성을향상시키기 위해 나이브 베이즈 분류기에 특징 선택 기법을 적용시킬 것을 제안했다. 또한 [4]를 통해 클래스 분할지표 (CDM: Class Discriminating Measure) 와 다중 클래스 오즈비(MOR: Multi-class Odds Ratio)라는 두 개의 메트릭스를 제안하여 다중 클래스 데이터셋이 적용된 나이브 베이즈 분류기를 검증하는 방법을 제안하였다.
- 그러므로 텍스트 분류의 성능을 향상시키기 위해서는 차원 문제를 해결하는 것이 중요하다. 따라서, 본 논문에서는 나이브 베이즈 분류기를 통해 고차원성 문제 해결에 기여한 관련 연구들을 분석하고자 한다.
- 본 논문에서는 고차원성의 문제를 해결하기 위해 각각나이브 베이즈에 특징 선택 기법, 특징 군집화 기법 그리고 특징 가중치 기법을 적용시켜 텍스트 분류 성능 향상에 기여한 기존 연구들을 소개하고 분석하였다. 강한 독립 올 가정하는 나이브 베이즈 분류기는 효율적으로 텍스트를 분류하는 기계학습 기법 중에 하나이다.
- 본 장에서는 나이브 베이즈를 통해 텍스트 분류 성능을 효과적으로 개선시킨 관련 연구들을 조사한다. 텍스트 분류의 가장 큰 문제점으로 특징 공간의 고차원성이 있다.
- [4]에 의하면 베이지안 기법은 간결함과 계산 복잡도, 그리고 정확성으로 인해 정교한 학습 알고리즘을 짜는 데에 효과적이며, 특히, 변수들이 모두 독립이라는 것을 가정한 베이지안 기법인 나이브 베이즈 분류기는 간결하고 효율적[3]이기 때문에 텍스트 분류에서 널리 사용되고 있다[5]. 이에, 본 논문은 나이브 베이즈 분류기를 응용하여 텍스트 분류의 성능 향상을 연구한 기존의 연구들을 소개하고 분석한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.