文献

J-GLOBAL ID：201702243040912358   整理番号：17A1283570

遷移学習に向けたテキスト特徴アライメントアルゴリズム【JST・京大機械翻訳】

Transfer Learning Oriented Text Feature Alignment Algorithm

著者 (2件)： Wei Xiaocong (大連理工大学計算机科学与技術学院,遼寧大連116024;大連外国語大学軟件学院,遼寧大連116044) ,  Lin Hongfei (大連理工大学計算机科学与技術学院,遼寧大連,116024)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 43  号： 2  ページ： 215-219,226  発行年： 2017年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  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： ソース領域とターゲット領域の間の特徴空間の不一致は,移動学習の精度を低下させる。そのため、Word2Vecに基づく異なる領域の特徴アライメントアルゴリズムを提案した。形容詞、副詞、名詞、動詞を特徴とし、各品詞に対して、源領域と目標領域のハブ特徴を選択し、それぞれの源領域と目標領域において、それらの意味類似度が最も大きい非ハブ特徴を計算し、類似のハブ特徴とする。それにより,各々のハブの特徴は類似のハブ特性を構成することができる。これらの領域に現れる類似したハブの特徴をハブの特徴に従って特徴的に置換し、異なる領域の意味類似の特徴を整列させ、特徴の置換後の源領域と目標領域のデータに機械学習を行う。実験結果は,提案したアルゴリズムの平均分類精度が88.2%に達し,Baselineアルゴリズムよりも高いことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  品詞 ,  *学習 ,  名詞 ,  機械学習 ,  動詞
準シソーラス用語： 分類精度 ,  類似度 ,  副詞 ,  形容詞 ,  特徴空間 ,  *テキスト , 【Automatic Indexing@JST】

著者キーワード (5件)： transfer learning ,  feature alignment ,  emotion analysis ,  source domain ,  target domain

分類 (2件)： 情報加工一般  (AC05010A) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： 遷移 ,  学習 ,  アライメント ,  アルゴリズム