「企業の業界分類予測における共変量シフト問題の抑制 - Speaker Deck」
本研究では、企業の属性情報や概要説明文のテキスト情報を利用して業界分類を機械学習で予測する際に、学習時と予測時のデータの性質の違いによる影響を抑制する手法を提案します。 具体的には学習用データセットには上場企業、評価用データセットには非上場企業を扱い、(i)属性情報の人為的な欠損、(ii)学習データと予測データの間の分布の違いを考慮した特徴選択、(iii)入力テキストのトークン長の調整ーーという3つの手法を利用してこれらの特徴量の性質の違いに対応します。 実験を通じて、上場企業に対して58.5%、非上場企業に対して56.1%の正答率を達成し、上述の3つの対策を講じない場合と比較して約2ポイントほどの性能向上を確認しました。
Webページ
コンテンツ文字数：0 文字
見出し数（H2/H3タグ）：0 個
閲覧数：100 件
2022-03-07 17:08:05
オリジナルページを開く
タグ一覧