抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
者により運ばれる理解感情は社会的相互作用の重要な部分であり,著者の意見に貴重な洞察を与えることができるテキストにおける感情。テキストのための感情解析は機械学習の研究の大きな分野である,を決定し,様々な疑問に答えるために使用される多数のテキスト事例の感情を可能にするので,選挙予測など。典型的には,感情分類器は,に適用することを意図している同じドメインからのデータを用いて訓練されるが,与えられた領域内に十分な訓練データではないかもしれない。加えて,複数の情報源からのデータを用いて,他の関連ドメインを含む,は複数の領域に適用できることをより一般化された感情分類器を作る助けになる。この目的のために,著者らは二種類の汚染源,オンラインレビューとツイートからの感情データを用いた経験的研究を行った。ドメイン内とドメイン両方の分類のための単一データ源を用いて構築された感情分析モデルの性能を試験した。,両源から不規則に採取したインスタンスを用いて訓練された分類器を評価した。さらに,どれだけ多くの例は,訓練データセットに含まれるべきである判定するために両方のデータ源から異なる量インスタンスのを評価した。は著者らの結果の重要性を検証するために,統計的検定を適用し,レビューとツイートからのインスタンスの組合せを用いて単一ドメインから訓練されたモデルと同等,または優れていることを見出した。また,分類器100,000またはそれ以上の複合訓練事例の性能に有意差は認められなかった。よりロバストな分類器は,関連領域から例で増強されたドメイン内インスタンスのより少ない数を用いて訓練できることを示し,これらの結果は重要で,純粋なドメイン内インスタンスを用いるよりもむしろ。は両ツイートとレビューから構成される訓練データセットを用いることを推奨した,両ツイートとレビュー感情の予測に利用するための評価情報の分類器を訓練した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
