next up previous contents
Next: 評価 Up: 実験環境 Previous: 単語をベクトル化するツール   Contents

実験データ

本研究はクラスタリングを２回して,単語レベルの重要な情報を文書から抽出する.１回目のクラスタリングは岡崎らの研究に基づいて,文書を文レベルでクラスタリングする.本実験は直接人手で１回目クラスタリング結果の正解テーブルを作って,これらの正解テーブルを１回目クラスタリングの結果として扱う.人手で作った正解テーブルを用いて,２回目のクラスタリング実験だけを行う,単語レベルの重要な情報を文書から抽出する.地震の文書の例を図[*]に示す,岡崎の正解テーブルを表[*]と表[*]に示す.
Figure: 処理結果の例
\begin{figure}\begin{center} \begin{itembox}[l]{地震の文章の例} \small$... ...r $<$/doc$>$ \end{itembox} %\label{bunkatu_result} \end{center} \end{figure}


Table: 地震での正解テーブル
Table: 地震での正解テーブル
\scalebox{0.9}{ \begin{tabular}{\vert l\vert p{13cm}\vert} \hline 文書番号... ...される \\ \hline 文書10　　&\\ \hline ... &... \\ \hline \end{tabular}} \scalebox{0.9}{ \begin{tabular}{\vert l\vert p{10cm}\vert l\vert} \hline 文書... ... \\ \hline 文書10　　 & &...\\ \hline ... &... &... \\ \hline \end{tabular}}


文書データの詳細を以下で示す.

Table: 文書データの詳しいの表
\scalebox{1.0}{ \begin{tabular}{\vert l\vert r\vert r\vert r\vert} \hline 記事... ...31.5 \\ \hline Wikipedia(野球チーム) &20 &68 &46.9 \\ \hline \end{tabular}}