文献

J-GLOBAL ID：201802244968679488   整理番号：18A1807304

意味および感情語ベクトルを用いたLSTMに基づくテキスト感情認識【JST・京大機械翻訳】

LSTM-based Text Emotion Recognition Using Semantic and Emotional Word Vectors

著者 (4件)： Su Ming-Hsiang (Computer Science and Information Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Wu Chung-Hsien (Computer Science and Information Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Huang Kun-Yi (Computer Science and Information Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Hong Qian-Bei (Graduate Program of Multimedia Systems and Intelligent Computing, National Cheng Kung University and Academia Sinica, Tainan, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ACII Asia  ページ： 1-6  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,入力テキストの意味単語ベクトルと感情単語ベクトルに基づくテキスト感情認識に対する長期間メモリ(LSTM)ベースのアプローチを提案した。入力テキストにおける各単語に対して,語義単語ベクトルを単語2vecモデルから抽出した。さらに,各語彙単語を感情単語ベクトルを導出するために感情辞書で定義されたすべての感情語に投影した。次に,自動符号器を採用して,次元縮小のための感情単語ベクトルからのボトルネック特徴を得た。次に,自動符号器ボトルネック特徴を意味論的単語ベクトルにおける特徴と連結して,感情認識のための最終的なテキスト特徴を形成した。最後に,全体の文章のテキスト特徴シーケンスを与えて,LSTMを入力テキストの文脈的感情進化をモデル化することによって感情認識のために使用した。評価のために,7つの感情カテゴリを含むNLPCC-MHMM-TEデータベース,すなわち,ang,boreDOM,dis突風,不安,幸福,悲sad,および驚きを構築し,使用した。提案した方法の性能を評価するために,5回交差検証を用いた。実験結果は,提案したLSTMベースの方法が70.66%の認識精度を達成し,CNNベースの方法と比較して5.33%を改善したことを示した。さらに,入力テキストの意味単語ベクトルと感情単語ベクトルの統合に基づく提案方法は,個々の特徴ベクトルを使用することを実行した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  次元縮小 ,  記憶装置 ,  単語 ,  データベース ,  モデリング ,  語彙 ,  *ベクトル ,  符号器
準シソーラス用語： 特徴ベクトル ,  認識精度 ,  語義 ,  *感情認識 ,  *テキスト ,  感情語 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 意味 ,  感情語 ,  ベクトル ,  LSTM ,  感情認識