抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,文章分類のための畳込みニューラルネットワーク(CNN)のアーキテクチャに焦点を合わせた。自然言語を理解するためには,文における文脈は単語の意味を把握するための重要な情報である。しかし,従来のCNNのフィードフォワードアーキテクチャはこの因子を反映するには不十分である。この限界を解決するために,畳込み層への再帰接続を追加することにより,より良いテキスト理解のための文脈CNN(C-CNN)を提案した。このアーキテクチャは,CCNNユニットがそれらの隣接ユニットにより時間とともに変調されるのを助け,その結果,モデルは同じ層内の周囲の情報と単語の意味を統合する。著者らは,感覚レベル感情予測タスクと質問分類タスクに関する著者らのモデルを評価した。C-CNNは,細粒感情予測と質問分類に関する最先端の性能を達成した。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】