문서 분류를 위한 일급 SVM

우리는 정보 검색 맥락에서 일급 분류에 적합한 SVM 버전을 구현했습니다. 실험은 표준 로이터 데이터 세트에서 수행되었습니다. SVM 구현을 위해 Schölkopf et al.의 버전과 '아웃라이어' 데이터를 두 번째 클래스의 대표로 식별하는 기반의 다소 다른 일급 SVM 버전을 사용했습니다. 두 구현 모두에 대해 다양한 커널로 실험을 수행하였고, 이진 벡터, tf-idf 표현 및 'Hadamard' 표현이라는 수정된 표현을 포함한 데이터의 다양한 표현을 실험했습니다. 그런 다음 알고리즘 프로토타입(Rocchio), 최근접 이웃, 나이브 베이즈 및 '본넷' 압축 생성 필터를 기반으로 한 자연 일급 신경망 분류 방법과 비교했습니다. Schölkopf로 대표되는 SVM 접근법은 신경망 방법을 제외한 모든 방법보다 우수했지만, 신경망 방법 또한 때때로 열악했지만 본질적으로 유사했습니다. 그러나 SVM 방법은 표현 및 커널 선택에 매우 민감하게 나타났으며, 이는 잘 이해되지 않는 방식입니다. 따라서 현재로서는 신경망 접근법이 가장 강력한 방법으로 남아 있었습니다.