基于已知与未知特征（基于文本查询）的神经网络对象分类
机器学习
2019-06-04 v1 计算与语言
机器学习
摘要
本文提出一种方法，可提升由已知与未知特征组合所描述对象的分类质量。该方法基于现代化的信息神经贝叶斯方法（Informational Neurobayesian Approach），并考虑未知特征。所提方法在 Promobot 用户的 1500 条俄语文本查询上开发与训练，以将其分类为 20 个类别（类）。结果，该方法的使用完全解决了带有模型已知与未知特征组合的查询的误分类问题。方法的理论依据由所表述并证明的“有限知识下的模型”定理给出。该定理指出，在有限数据条件下，对象的等量且同等未知的若干特征对分类问题不可能具有不同重要性。
引用
@article{arxiv.1906.00800,
title = {Neural Network-based Object Classification by Known and Unknown Features (Based on Text Queries)},
author = {A. Artemov and I. Bolokhov and D. Kem and I. Khasenevich},
journal= {arXiv preprint arXiv:1906.00800},
year = {2019}
}
备注
7 pages, 3 figures, 2 tables