文脈木重み付け法を用いた半教師付き学習による文書分類

摘要

文書分類問題は，ベタトル空間モデルやサポートベクターマシンなど様々な手法により研究されてきた.一方，F.M.J.Willemsらにより提案された文脈木重み付け法(以下CTW法と略す)は非常に優れた圧縮性能を示す.このCTW法を自動分類へ応用する手法が提案されており，DNA解析などで大変良い性能を示すことが知られている.本研究では学習データ数が十分でない場合を想定し，CTW法を用いた文書分類に対して，カテゴリが未知のデータを用いた半教師付き学習を行う手法を提案する.また新聞データを用いた計算機実験を行い，正分類率によりその有効性を示す.%The Text Classification problem has been investigated by various techniques, such as a vector space model, a support vector machine and so on. On the other hand, Context-Tree Weighting(CTW) algorithm that has been proposed by F.M.J.Willems shows a very good compression performance. Automatic classification method applied to this CTW has been proposed, and it shows very good performance, e.g. DNA analysis. In this paper, we consider the semi-supervised leaning of the document classification for the case where the number of the learning data is not sufficient. Then we propose the semi-supervised learning methods using CTW algorithm. Moreover, the experimental results using a newspaper data set are shown, and we show the efficiency of proposed methods.