文献

J-GLOBAL ID：201702256943440323   整理番号：17A1490451

ドキュメント表現のためのコンテンツ木単語埋込み【Powered by NICT】

Content Tree Word Embedding for document representation

著者 (2件)： Kamkarhaghighi Mehran (Department of Electrical, Computer, and Software Engineering, University of Ontario Institute of Technology, 2000 Simcoe St N, Oshawa, ON, Canada L1H 7K4, Canada) ,  Makrehchi Masoud (Department of Electrical, Computer, and Software Engineering, University of Ontario Institute of Technology, 2000 Simcoe St N, Oshawa, ON, Canada L1H 7K4, Canada)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 90  ページ： 241-249  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 人間だけが自然書き言葉の根底にある実際の意味を理解し,理解できるが,ヒトである意味をモデル化するのに必要なパラメータを提供した後にのみ機械は意味論的関係を形成することができる。書き言葉の基礎となる意味を評価する為に,計算モデル可能にするために,正確で十分な文書表現が重要である。単語埋込み手法はテキストマイニング研究で多くの注目を集めている。そのような手法の主な利点の一つは,予め訓練された単語ベクトルの生成による地球規模コーパスの使用である。非常に効果的であるが,これらの手法はそれらの欠点を持っている。事前訓練された単語ベクトルにのみ依存局所文脈を無視し,単語あいまいさを増加させる可能性がある。本研究では,コンテンツ木単語埋込み(CTWE),新しいアプローチは単語あいまいさのリスクを軽減し,世界的に前訓練単語ベクトルへの局所文脈を注入するために導入した。単語埋込み特徴学習を用いた一方CTWEは基本的には文書表現のためのフレームワーク。CTWE構造は,訓練データから学習した局所的であり,最終的に局所文脈を表す。CTWEを構築したが,各単語ベクトルは樹におけるその位置に基づいて更新される。分類のタスクのために,二つの深い学習に基づく単語埋込み手法,すなわちGloVeとWord2Vecを用いた場合の結果はF-スコアであり,精度基準の改善を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 計算モデル ,  曖昧さ ,  ヒト ,  *コンテンツ ,  学習 ,  モデリング ,  ベクトル ,  *単語 ,  意味論 ,  コーパス
準シソーラス用語： スコア ,  訓練データ ,  テキストマイニング ,  書き言葉 , 【Automatic Indexing@JST】

著者キーワード (6件)： 単語埋込み ,  コンテンツ木 ,  Word2Vec ,  GloVe ,  感情分析 ,  深い学習

分類 (2件)： 自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ドキュメント ,  表現 ,  コンテンツ ,  木 ,  単語 ,  埋込み