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。
近年,ソーシャルメディアに関する意見極性を理解するために消費者レビューの感情分析に関心が高まっている。しかし,中国における消費者レビューの感情解析のための深層学習の開発が注目されていない。本論文の研究目的は,中国におけるGoogleは消費者レビューの感情解析のための深層学習の影響を調べることである。Webマイニング技術,Google Playに196,651レビューを収集した。消費者レビューの感情分析のための長い短期記憶(LSTM)深層学習モデル,Naive Bayes(NB)およびサポートベクトルマシン(SVM)法を用い,実験結果を比較した。実験結果,Google Play消費者レビューの感情解析のための深層学習の精度は94%を達成し,深い学習アプローチを本研究におけるナイーブBayes(74.12%)およびサポートベクトルマシン(76.46%)より優れていることを示唆した。著者らの発見は,深い学習を用いたGoogle Play消費者レビューの感情分析が顕著であることを確認した。本論文の貢献は3点である。最初に,本研究では,Google Play消費者レビューに深い学習を用いた感情分析は,予測の精度を改善する可能性がある確認した。第二に,Google PlayレビューiSGoPaSDと名付けた感情辞書を作成した。第三に,研究は,平均サンプリングデータと非平均サンプリングデータの結果を比較した。非平均サンプリングデータを用いた深い学習法はより優れた性能に達することが分かった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】