文脈木重みづけ法を用いた文書分類の誤り確率について

摘要

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, the Context-Tree Weighting (CTW) algorithm has been proposed as an outstanding data compression. Furthermore, experimental results have been reported using the CTW algorithm for the text classification. In this paper, we assume that each document with same category arises from one stochastic model for the text classification using the CTW algorithm. Then we propose an analysis method to obtain the classification error probability for the document with the finite length.%性能の良いデータ圧縮法として文脈木重みづけ法が知られており，これを用いた文書分類法が提案されている．本研究では各カテゴリの文書は1つの確率モデルから生起することを仮定し，新規テスト文書の文書長が有限の場合の分類誤り確率を評価する．このとき新規テスト文書に対する理想符号長の平均と分散を評価し，中心極限定理を用いることにより各カテゴリの分類誤り確率を近似する手法を提案する．