本論文では、サイバーテキストに特化した効率的な分類モデルを提案している。近年の深層学習の普及に伴い、計算リソースや電力に対する需要が高まり、カーボンフットプリントの増加を招いている。そこで、従来のTF-IDFアルゴリズムを改良し、Clement Term Frequency-Inverse Document Frequency（CTF-IDF）をデータ前処理に導入することで、テキスト分析の効率を向上させることを目指した。また、高速なIRLBAアルゴリズムを利用した次元削減手法も紹介され、これにより深層学習と比較して、カーボンフットプリントを抑えつつも、モデルの時間的複雑性の削減と精度の向上が実現された。実験結果は、従来の機械学習手法の効果を裏付けている。