文献

J-GLOBAL ID：201802246584945478   整理番号：18A2190225

特徴抽出へのHMMモデルの応用【JST・京大機械翻訳】

MHMM Used in Feature Extracting

著者 (2件)： Chen Changhao (西南科技大学計算机科学与技術学院,四川綿陽,621010) ,  Fan Taihua (西南科技大学計算机科学与技術学院,四川綿陽,621010)
資料名： Jisuanji Celiang yu Kongzhi  (Jisuanji Celiang yu Kongzhi)
巻： 26  号： 4  ページ： 217-220,224  発行年： 2018年 
JST資料番号： C3592A  ISSN： 1671-4598  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： 現在、感情分類によく用いられる特徴抽出方法は辞書のベクトル空間モデル(VSM)、潜在意味分析(LSA)と教師なしアルゴリズムに基づく語埋め込み(word2vec)、ランダム語ベクトル法であり、これらの方法は単独語に対して処理される。ハウジングの大語彙クラウドによって収集した豆弁のコメントデータセットの意味役割のラベリング後に,改良隠れMarkovモデル(MHMM)を用いて,単語対ベクトルを特性構築し,そして,それを,長短記憶ゲート(LSTM)の入力として,配列断片として,用いた。最後に,動的循環ニューラルネットワークの出力シーケンスをsoftmax関数によって分類した。最適化関数としてクロスエントロピーを用い,確率的勾配降下法を用いて最適化関数を反復的に解いた。実験結果は,この方法が豆弁の評価データの感情分類により良い効果を及ぼすことを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  アルゴリズム ,  最適化 ,  単語 ,  *特徴抽出 ,  最急降下法 ,  ベクトル ,  隠れMarkovモデル ,  語彙
準シソーラス用語： クロスエントロピー ,  ベクトル空間モデル ,  感情分類 , 【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 (4件)： 特徴抽出 ,  HMM ,  モデル ,  応用