文献

J-GLOBAL ID：201802240262538157   整理番号：18A1217480

注意力に基づくBiLSTM-CNN中国語マイクロボア検出モデル【JST・京大機械翻訳】

ATTENTION BASED BILSTM-CNN CHINESE MICROBLOGGING POSITION DETECTION MODEL

著者 (3件)： Bai Jing (武漢大学計算机学院 湖北武漢430072) ,  Li Fei (武漢大学計算机学院 湖北武漢430072) ,  Ji Donghong (武漢大学計算机学院 湖北武漢430072)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 35  号： 3  ページ： 266-274  発行年： 2018年 
JST資料番号： C2940A  ISSN： 1000-386X  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： 大量の社交ネットワークデータに対して、その中に含まれる立場情報のマイニングは重要な研究方向となっている。第5回の自然言語処理と中国語の計算会議(Nlpcc2016)は中国語のマイクロ博の立場の検査・測定の任務を提出した。既存の立場検出タスクにおいて、研究者は主に手作業で特徴工学を構築し、感情辞書と専門家知識などの方式によって意味特徴を発掘し、しかし、この方式は大量の人力を特徴の設計に費やす必要がある。また、一部の研究者は深度学習を立場の検出領域に応用しているが、文中の異なる語が立場の傾向に異なる影響力があるとは考えていない。注意力のメカニズムは,ニューラルネットワークモデルの最適化のために価値のある特性のため,しばしば用いられる。注意力に基づくBiLSTM-CNNの中国語のマイクロボア検出法を提案した。まず,双方向(Bi-directional)長短期記憶ニューラルネットワーク(LSTM)と畳込みニューラルネットワーク(CNN)を用いて,テキスト表現ベクトルと局所畳み込み特性を獲得した。Nlpccコーパスの実験結果は,この方法が良好な立場検出効果を得ることができ,注意力機構の追加が,効果的に立場検出の精度を改善できることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  畳込み ,  *モデル ,  検出法 ,  *中国語 ,  学習 ,  ベクトル ,  自然言語処理 ,  コーパス ,  ニューラルネットワーク
準シソーラス用語： テキスト ,  畳込みニューラルネットワーク ,  短期記憶 ,  神経回路網モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： Stance detection ,  Micro-blog ,  Neural networks ,  Attention mechanism

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： 注意力 ,  中国語 ,  ボア ,  モデル