半構造化テキストの分類のためのブースティングアルゴリズム

摘要

近年，テキスト分類は，単純なトピック分類から，文のモダリテイ，意見性，主観性といった書き手の意図に基づく分類へと，その夕スクの多様化が進んでいる。 それに伴い，単語の集合(bag-of-words) を素性とする古典的手法では十分な精度を得にくくなっている。 精度向上には，テキストの構造（構文／レイアウト）を考慮する必要があるが，恣意的に選択された部分構造のみを用いた手法が多い。 本稿では，構造を考慮したテキスト分類（半構造化テキスト分類）に向け，部分木を素性とするdecision stumpsと，それを弱学習器とするBoostingアルゴリズムを提案する。 また，Tree Kernelを用いたSVMとの関連性，及び本手法の利点について言及する。 実デー夕を用いた実験により，提案手法の有効性を検証する。