文献

J-GLOBAL ID：201602286995606642   整理番号：16A1235906

移動学習学習に基づく情緒分類研究-H7N9マイクロブログを例とした。【JST・京大機械翻訳】

Microblog Emotion Classification Based on Transfer Learning -A Case Study of Microblogs about H7N9

著者 (2件)： Zhou Qingqing (Department of Information Management, Nanjing University of Science & Technology) ,  Zhang Chengzhi (Department of Information Management, Nanjing University of Science & Technology; Jiangsu Key Laboratory of Data Engineering and Knowledge Service)
資料名： Qingbao Xuebao  (Qingbao Xuebao)
巻： 35  号： 4  ページ： 339-348  発行年： 2016年 
JST資料番号： W1460A  ISSN： 1000-0135  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 社交メディアの発展は,多くのユーザを引き付けることにより,膨大なユーザのコンテンツを生成する.ユーザのコンテンツをマイニングするためのマイニング分析は,ユーザの情動を動的に把握し,イベント処理,政策実行などを支援することができる.教師付き機械学習手法を用いてテキスト感情分類を行う研究が行われているが,これらの手法は,コーパスのアノテーション,労力に依存し,ドメイン適応性の問題がある.マイグレーション学習は,多くのデータアノテーションを避けることができ,そして,ある程度,領域適応性問題を解決することができた。しかし,現在,遷移学習は感情分類タスクに応用されている.また,情緒分類は主にブロッグなどの長いテキストに対して,マイクロブログの短い文書に関する実証的研究が欠けている.本論文では,主客観的分類に基づき,H7N9マイクロブログの主観的テキストコーパスを,移動学習法を用いて分類し,感情分類を行った。実験結果は,第一に,2つの主成分が,2つの主要な客観的分類効果を持つことを示した。第二に,移動学習アルゴリズムを使用することによって,マイクロブログ感情分類の効果は-学習のものより優れている。最終的に,特徴的重みづけ法として単語頻度-相関周波数を使用することによって,より良い感情分類性能が得られる。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 周波数 ,  アノテーション ,  学習アルゴリズム ,  適応性 ,  コンテンツ ,  重みづけ ,  単語 ,  コーパス ,  *学習
準シソーラス用語： テキストコーパス ,  実証的研究 ,  感情分類 ,  テキスト ,  *マイクロブログ , 【Automatic Indexing@JST】

著者キーワード (4件)： sentiment classification ,  emotion classification ,  transfer learning ,  microblog mining

分類 (3件)： 人工知能  (JE08000Z) ,  人間機械系  (IB03000G) ,  検索技術  (AC06020S)

タイトルに関連する用語 (5件)： 学習 ,  情緒 ,  分類 ,  研究 ,  マイクロブログ