文書分頬における決定木アルゴリズム適用法の検討

摘要

本稿では，決定木を用いた文書分類方法を提案し，その評価を行う．決定木の作成にはC4．5アルゴリズムを用いたが，語彙不足，構造の問題があり，分類性能はベクトル空間法を用いた辞書分類に劣る結果となった．集合分割に用いる閥値の変更，複数の決定木の組合せ，2つの名詞をテストに用いた決定木の作成など，C4．5の改良を行った。 評価結果は辞書分類に及ばないものの，1つの名詞で高確率で分野を特定できるリーフや，テスト名詞が存在しないことで分野を絞り込むフィルターの役割を果たすテスト名詞の存在が明らかとなってきた．部分的に高い分類性能を示すリーフのみを用いることで，情報の抽出など有効な利用方法が期待される．