多言語Webテキストからの知識マイニング関する研究

多语言网络文本知识挖掘研究

• 批准号: 19024014
• 负责人: 中川 裕志
• 金额: $ 6.53万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 2007
• 资助国家: 日本
• 起止时间: 2007 至 2008
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19024014/
• 关键词: 多言語; WWW; 機械学習; 知識; マイニング; スパム; 曖昧性解消; テキスト; ベイズ統計; ブログ; 自然言語処理

知識マイニングアルゴリズムの開発 : 多言語テキストコーパスから有用な情報抽出を行うための知識マイニングアルゴリズムとして、複数トピックを併せ持つテキストにおいてトピックを潜在変数とした単語の分類を行う統計的機械学習アルゴリズムを、階層的ディリクレ過程を基礎にした数理モデルによって開発した。これによってテキストにおける潜在トピックとそのトピックに対応する単語集合という知識を自動抽出できるアルゴリズムが明らかになった。人名の参照曖昧性解消 : Webテキスト処理において重要な応用である同性同名の人物の検索結果を実世界の異なる人物を記述するページごとにクラスタリングする参照曖昧性解消システムを開発した。これは、教師なし機械学習によるため、精度、高速性の両面から検討し、Web検索エンジンで人名検索を行った結果において同性同名の人物を参照するページを実世界において異なる人物毎に5秒程度で高速にクラスタリングするシステムの開発し、その精度の実験的評価を行った結果、F値で0.8を得た。スパムプログ分析 : Web上の重要な情報資源であるブログは常にスパムブログに悩まされており、排除のために大きなコストがかかっている。評判分析などの目的でブログの有効利用を図ることができる環境整備のツールとしてスパムブログの判定に役立つようなスパムブログの構造分析システムについて検討した。この結果、語彙にかかわる素性を分割してSVMを適用し、その結果をロジスティック回帰して組み合わせる方法によって、精度0.88を得た。

Knowledge development: Multi-language, multi-language. This is a list of potential users who can automatically extract their knowledge. Name Reference Ambiguity Resolution: Web Search Results for Same Sex and Same Name People Description of Different People in the World For example, teacher's mechanical learning, accuracy, speed, and surface search results, Web search results, and the evaluation results of the same sex, same name, and different people in the world, F = 0.8. Web analytics: Important information resources on the Web. Evaluation and analysis of the effective use of environmental protection, environmental protection The result, the word, the element, the segmentation, the SVM, the result, the method, the accuracy, the accuracy, the accuracy.

项目成果

Person Name Disambiguation in Web Pages Using Social Network, Compound Words and Latent Topics

• DOI: 10.1007/978-3-540-68125-0_24
• 发表时间: 2008-05
• 作者: Shingo Ono;Issei Sato;Minoru Yoshida;Hiroshi Nakagawa

スケーラブルで汎用的なプログ著者属性推定手法

可扩展且通用的程序作者属性估计方法

• 发表时间: 2007
• 作者: 大倉 務;清水 伸幸;中川 裕志
• 通讯作者: 中川 裕志

素性の分割利用による識別性能の向上とスプログへの応用

通过划分特征并将其应用于 splog 来提高识别性能

• 发表时间: 2009
• 作者: 有久亘;佐藤一誠;中川裕志
• 通讯作者: 中川裕志

汎用シソーラス探索ライブラリの開発

通用同义词库搜索库的开发

• 发表时间: 2008
• 期刊: 言語処理学会 第14回年次大会 発表論文集 PD1-3
• 作者: 松岡 有希;坂本 竜基;伊藤 禎宣;大向 一輝;武田 英明;小暮 潔;清田 陽司(他5名)
• 通讯作者: 清田 陽司(他5名)

Gram-Free Synonym Extraction via Suffix Arrays

通过后缀数组进行无革兰氏同义词提取

• 发表时间: 2008
• 作者: Minoru Yoshida;Hiroshi Nakagawa
• 通讯作者: Hiroshi Nakagawa