文献

J-GLOBAL ID：201902288242263966   整理番号：19A1354367

共通特徴空間に基づく適応感情分類【JST・京大機械翻訳】

Domain Adaptation with Common Feature Space for Sentiment Classification

著者 (5件)： Hong Wenxing (厦門大学航空航天学院,厦門,361005) ,  Qi Jianwei (厦門大学航空航天学院,厦門,361005) ,  Wang Weiwei (厦門大学航空航天学院,厦門,361005) ,  Zheng Xiaoqing (厦門大学航空航天学院,厦門,361005) ,  Weng Yang (四川大学数学学院,成都,610064)
資料名： Tianjin Daxue Xuebao. Ziran Kexue Yugongcheng Jishu Ban  (Tianjin Daxue Xuebao. Ziran Kexue Yugongcheng Jishu Ban)
巻： 52  号： 6  ページ： 631-637  発行年： 2019年 
JST資料番号： C3006A  ISSN： 0493-2137  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： 感情分類は文章あるいは文から観点の態度を獲得するタスクに対して、従来の感情分類モデルの多くは大量の人力を費やし、マーキングデータを獲得する必要がある。ある分野がタグ付きデータに欠けているため、他の領域分類器が目標領域に直接使用できない現状では、新たな共通特徴空間法を構築し、分類モデルをタグ付き領域から無標識領域へ移動適応させ、人工マーキングのコストコストを削減できる。感情分類の領域適応を実現した。大規模コーパスで訓練された単語ベクトル情報は,単語を要素として,同じ言語で感情を表現し,構文構造が似ているという仮定を前提とした。タグ付きデータセットと無標識データセットとの共通特徴空間を,領域内特有の領域特徴語の置換によって構築し,タグ付きデータセットと無標識データセットを情報共有した。これに基づき、深さ学習における畳込みニューラルネットワークを用いて、異なるサイズの畳込み核を用いて、異なる範囲の文脈特徴を抽出学習し、さらに、半教師つき学習と微調整学習の組合せ方式を用いて、ラベル付きデータセットから無標識データセットへ領域適応を行った。京東と携帯の5つの領域からの実電商データセット上で実験を行い、領域特徴語選択方法及びその品詞制約が領域間の適応能力に与える影響をそれぞれ研究した。領域適応のないモデルと比較して,平均2.7%の精度を向上できた。また、アマゾン電商からの公開データセットの実験で、既存の方法と比べ、この方法の有効性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 品詞 ,  畳込み ,  モデル ,  有効性 ,  マーキング ,  単語 ,  言語 ,  ベクトル ,  *学習
準シソーラス用語： 微調整 ,  半教師つき学習 ,  構文 ,  無標識 ,  *感情分類 ,  *特徴空間 , 【Automatic Indexing@JST】

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (3件)： 特徴空間 ,  適応 ,  感情分類