Warianty tytułu
Klasyfikacja ankiet recenzentów i aplikantów
Języki publikacji
Abstrakty
Artykuł opisuje metody wieloetykietowej klasyfikacji tekstów z pytania otwartego ankiety przy wykorzystaniu technik uczenia maszynowego. Ma to na celu zwiększenie szybkości oraz redukcję kosztów analizy otwartego pytania w ankiecie. Na początku zostały opisane różne modele klasyfikatorów wieloetykietowych, za pomocą których przyporządkowuje się kategorię do tekstów. W doświadczeniach wykorzystywane zostały klasyfikatory jednoetykietowe: Wielomianowy Naiwny Bayes (MNB) oraz Maszyna Wektorów Nośnych (SVM). Za ich pomocą uzyskaliśmy średnią precyzję na poziomie 77% oraz średnią dokładność na poziomie 55%. Eksperymenty uwzględniały wiele usprawnień (wielkość zbioru uczącego, korektę słownictwa, optymalizację parametrów klasyfikatora SVM przy użyciu metod ewolucyjnych...), dzięki którym zwiększyliśmy skuteczność klasyfikacji w porównaniu do pierwotnego modelu. Zaproponowana metoda została użyta do automatycznego przyporządkowania kategorii do tekstów z otwartego pytania w ankiecie. (abstrakt oryginalny)
(fragment of text)A questionnaire is a research instrument consisting of a series of questions in order to gather information from respondents. Usually, a questionnaire consists of a number of questions that the respondent has to answer in a set format. A questionnaire1 can be defined as a series of processes, that extract useful information in order to solve problems, by asking people involved in the problem the same question, collecting data as answers to the questions, and analyzing them. Questionnaires are mainly conducted for statistical analysis of the responses.
Rocznik
Strony
321-343
Opis fizyczny
Twórcy
autor
- Information Processing Institute
autor
- Information Processing Institute
autor
- Information Processing Institute
autor
- Information Processing Institute
Bibliografia
- Neff B.D., Olden J.D., Is peer review a game of chance?, BioScience 2006, 56 (4).
- Liu B., Web Data Mining: Exploring Hyperlinks, Contents and Usage Data, Springer, New York 2010.
- Silva C., Ribeiro B., On text-based mining with active learning and background knowledge using svm, "Journal of Soft Computing - A Fusion of Foundations, Methodologies and Applications" 2007, 11 (6).
- Fragoudis D., Meretakis D., Likothanassis S., Best terms: An efficient feature-selection algorithm for text categorization, "Knowledge and Information Systems" 2005, 8 (1).
- Lebart L., Salem A., Berry L., Exploring Textual Data, Kluwer Academic Publishers 1998.
- Tsoumakas G., Katakis I., Multi-label classifcation: An overview, Int J Data Warehousing and Mining 2007.
- Inui H., Murata M., Uchimoto K., Isahara H., Classiffication of open-ended questionnaires based on surface information in sentence structure, In Proceedings of the 6th NLPRS2001 2001.
- Yamanishi K., Li H., Mining open answers in questionnaire data, "IEEE Intelligent Systems" 2002.
- Sorower M.S., A Literature Survey on Algorithms for Multi- label Learning, Oregon State University 2010.
- Macnab N., Thomas G., Quality in research and the significance of community assessment and peer review: education's idiosyncrasy, "International Journal of Research & Method in Education" 2007, 30 (3).
- Procedures for review and selection of reviewers, Vol. 1, ed. J. Protasiewicz, Information Processing Institute, Warsaw 2012 [in Polish].
- Procedures for review and selection of reviewers, Vol. 2, ed. J. Protasiewicz, Information Processing Institute, Warsaw 2012 [in Polish].
- Storn R., Price K., Differential evolution - a simple and efficient heuristic for global optimization over continuous spaces, "Journal of Global Optimization" 1997, 11.
- Hirasawa S., Shih F., Yang W., Student questionnaire analyses for class management by text mining both in japanese and in Chinese, In Proc. 2007 IEEE International Conference on System, Man and Cybernetics, 2007.
- Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning, Springer, New York 2009.
- Noble W., What is a support vector machine?, "Nature Biotechnology" 2006, 24.
- Chen Y., Weng C., Mining fuzzy association rules from questionnaire data, "Knowledge-Based Systems Journal" 2009.
- Hoare Z., Landscapes of naive bayes classifiers, "Pattern Analysis and Application" 2008, 11 (1).
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171260551