文献

J-GLOBAL ID：201902236775954794   整理番号：19A2091163

感情分析のための辞書ベースの畳込み回帰神経回路網モデル【JST・京大機械翻訳】

A Dictionary-Based Convolutional Recurrent Neural Network Model for Sentiment Analysis

著者 (2件)： Zheng Jin (China Agricultural University) ,  Zheng Limin (China Agricultural University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CISCE  ページ： 606-611  発行年： 2019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： 自然言語処理は,コンピュータ科学と人工知能の分野における重要な方向である。自然言語における人間とコンピュータの間の効果的なコミュニケーションを実現することができる様々な理論と方法を研究した。感情分析は自然言語処理における一般的で重要なタスクである。テキスト記述の感情タイプを分析し,判断するためにしばしば使用される。映画レビューは,高品質映画を選択する人々のための価値ある参照情報を提供することができる。映画レビューを効果的に解釈して,映画レビューにおける感情因子を理解するために,テキストは,フィルムレビューの感情分析を実現し,可能な限りユーザの実際の感情を復元するために,感情辞書に基づく深い学習方法を提案する。この方法は最初に収集した映画レビューデータを前処理して,単語ベクトルを自動的に生成するために単語2vecネットワークにおけるSkp-gramモデルを使用して,単語ベクトルに技術の大連大学によってマークされた感情語彙を変換した。次に,テキストと辞書により生成された単語ベクトルを畳込みニューラルネットワークに入力し,文章表現を学習し,局所特徴を抽出した。最後に,再帰ニューラルネットワークにおけるLong Short-Temメモリネットワークは,文章間の意味情報と長期依存性を捕捉し,それらをロジスティック回帰分類器に入力して,映画レビューの感情解析を実現した。提案した方法を,従来の機械学習法,畳込みニューラルネットワーク,および深い学習法における再帰ニューラルネットワークにおける,Naive Bayesおよびサポートベクトルマシンと比較した。実験結果は,提案したモデルがより豊富な特徴を抽出することができて,ベースラインモデルより最先端の分類効果を達成することができることを示した。Copyright 2019 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： ニューラルネットワーク ,  コンピュータ ,  *畳込み ,  学習 ,  ベクトル ,  ネットワーク ,  コミュニケーション ,  自然言語 ,  サポートベクトルマシン ,  自然言語処理 ,  人工知能 ,  機械学習 ,  単語
準シソーラス用語： 畳込みニューラルネットワーク ,  テキスト , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 感情分析 ,  辞書 ,  畳込み ,  神経回路網モデル