二値判別器の性能に着目したECOC法による多値文書分類における符号語構成に関する一考察

摘要

近年，World Wide Web，電子メール，電子図書館など，膨大なオンラインテキストが扱われるようになった．このような電子媒体のテキストデータを自動処理する技術の重要性は高まり，中でも高精度な文書自動分類技術が必要とされている．文書の自動分類技術には様々な手法が提案されているが，特にカーネル法を用いた手法が高性能であると報告されている[1]．その代表的な手法として，Support VectorMachine (SVM)[2] があげられ，優れた二値判別器として知られている．しかし，文書分類などは複数のカテゴリを持つことも多く，一般には多値分類問題として定式化される．多値分類問題を多値分類器を用いて直接解決する方法もあるが，学習計算量はカテゴリ数M に対して，O(M2) と膨大になる[3]．一方で，二値判別器を複数組み合わせて多値分類を実現可能であることが知られており，従来から多値分類問題を二値判別器の集合の構成に落とし込むアプローチが研究されている．その中の方法のひとつとして，符号理論の枠組みを導入したECOC（Error Correcting Output Codes）復号法に基づく多値分類法がある[4],[5]．この方法は二値判別器によって学習計算量を調整可能であり，最大の計算量はO(2M) であるが，最小ではO(M) となる．このことから，ECOC 法を用いてなるべく分類精度を高めつつ，計算量を抑えるような二値判別器の構成法が多値分類問題を解決する上で注目されている．