文献

J-GLOBAL ID：201902283283716350   整理番号：19A1602168

深層学習法を用いたニュース感情分析の強化【JST・京大機械翻訳】

Enhanced news sentiment analysis using deep learning methods

著者 (5件)： Souma Wataru (College of Science and Technology, Nihon University, Chiba, Japan) ,  Vodenska Irena (Metropolitan College, Boston University, Boston, MA, USA) ,  Vodenska Irena (Center for Polymer Studies, Boston University, Boston, MA, USA) ,  Aoyama Hideaki (Graduate School of Science, Kyoto University, Kyoto, Japan) ,  Aoyama Hideaki (Research Institute of Economy, Trade and Industry, Tokyo, Japan)
資料名： Journal of Computational Social Science  (Journal of Computational Social Science)
巻： 2  号： 1  ページ： 33-46  発行年： 2019年 
JST資料番号： W4551A  ISSN： 2432-2717  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 著者らは,財政的ニュース感情を予測するために,金融市場性能に基づく歴史的ニュース感情の予測力を調査した。著者らは,ニュース記事が公開された後に,1分以上にわたって平均化された株価収益に基づくニュース感情を定義する。株価が正(負)利益を示すならば,著者らは,観測された株式収益の直前に放出されたニュース記事を正(負)として分類する。著者らは,2014年からWikipediaとGiga単語の5つのコーパスを使用し,著者らは,単語表現法のためのグローバルベクトルをこのコーパスに適用して,深い学習TensorFlowネットワークへの入力として使用する単語ベクトルを作成した。著者らは,1/1/2003と12/30/2013の間の期間について,Dow Jones産業平均(DJIA 30)指数の個々のストックの高周波価格の歴史と同様に,高周波(日内)Thompson Reuters New Archiveを分析した。著者らは,2003年から2012年までのThompson Reuter New Archive Dataを訓練するために,長い短期記憶装置を有する再帰ニューラルネットワークの深い学習方法論の組合せを適用して,2013年のNewアーカイブデータに関する著者らの方法の予測力をテストした。この方法の予測精度は,正と負のニュースのランダムな選択からスイッチすると,正のニュースと負のニュースとして最も高い正のスコアを持つニュースを選択することにより改善され,我々の訓練データセットを作り出すことができる。Copyright 2019 The Author(s) Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  *ニュース ,  単語 ,  *学習 ,  ネットワーク ,  コーパス ,  ベクトル ,  ニューラルネットワーク
準シソーラス用語： スコア ,  予測精度 ,  短期記憶 ,  株価 ,  ニュース記事 ,  *感情分析 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 感情分析 ,  深層学習 ,  予測

分類 (4件)： 自然語処理  (JE06000L) ,  産業経済  (KA02000Y) ,  利益管理  (KA05030A) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層学習 ,  ニュース ,  感情分析 ,  強化