닫기
Loading..

전자정보연구정보센터 ICT 융합 전문연구정보의 집대성

국내 논문지

홈 홈 > 연구문헌 > 국내 논문지 > 한국정보과학회 논문지 > 정보과학회 논문지 B : 소프트웨어 및 응용

정보과학회 논문지 B : 소프트웨어 및 응용

Current Result Document : 2 / 11 이전건 이전건   다음건 다음건

한글제목(Korean Title) 엔트로피를 최대화하는 실시간 조합 자질 구축 방법
영문제목(English Title) An Online Incremental Associative Feature Construction Method via Maximizing Entropy
저자(Author) 이상우   허민오   장병탁   Sang-Woo Lee   Min-Oh Heo   Byoung-Tak Zhang  
원문수록처(Citation) VOL 41 NO. 03 PP. 0177 ~ 0182 (2014. 03)
한글내용
(Korean Abstract)
데이터를 잘 표현하는 자질(feature)들을 실시간으로 구축하는 일은 최근 기계 학습에서 활발히 연구되는 핵심적인 문제이다. 하지만, 범주화된 데이터를 표현하는 자질들에 대한 연구는 제한적으로 이루어졌다. 본 논문에서는 범주화된 데이터를 다룰 수 있는 실시간 “조합 자질 구축” 방법을 소개한다. 이 방법은 데이터를 잘 표현하는 조합 자질의 후보들을 데이터의 특성에 맞게 뽑아내는 것과 이들 중 불필요한 자질들을 제거하는 것을 반복하는 일을 핵심으로 한다. 본 논문에서는 제안된 자질 구축 방법을 특별히 최대 엔트로피 분류기에 적용하여 우수한 분류 성능을 이끌어내는 데에 사용하였다. 위 제안된 방법의 우수성을 검증하기 위하여 자연어 처리 문제와 음악 학습 문제를 다루었다. 실험 결과는 데이터를 잘 표현하는 자질들을 뽑아내는 것이 데이터를 설명하는 데에 중요할 뿐 아니라, 실시간 조합 자질 구축 방법이 자질들을 구축하는 좋은 방법임을 보여준다.
영문내용
(English Abstract)
Extracting useful features with online incremental manner is one of recent important issues in machine learning fields. However, extracting features for categorical data are rarely researched. We study online incremental associative feature construction method, which can treat categorical data. This method repeats two processes as follows; one is extracting features according to probabilistic distribution of input data. The other is learning the weight of features and removing useless features. We apply our method to natural language process and music prediction problem to verify our proposed method is useful. Experimental results show that our proposed methods performed well for both tasks, and illustrate that extracting useful features is important.
키워드(Keyword) 자질 구축   실시간 학습   조합 자질   최대엔트로피분류기   하이퍼네트워크   feature construction   online learning   incremental learning   associative feature   maximum entropy classifier   hypernetworks  
원문 PDF 다운로드