文献

J-GLOBAL ID：202002214574425471   整理番号：20A0952931

ニューステキスト分類のための完全注意ベースBi-Gruニューラルネットワーク【JST・京大機械翻訳】

Full Attention-Based Bi-GRU Neural Network for News Text Classification

著者 (6件)： Tang Qinting (Beijing University of Posts and Telecommunications,School of Computer Science,Beijing,China) ,  li Jian (Beijing University of Posts and Telecommunications,School of Computer Science,Beijing,China) ,  Chen Jiayu (Beijing University of Posts and Telecommunications,School of Computer Science,Beijing,China) ,  Lu Hengtong (Beijing University of Posts and Telecommunications,School of Computer Science,Beijing,China) ,  Du Yu (Beijing University of Posts and Telecommunications,School of Computer Science,Beijing,China) ,  Yang Kehan (Beijing University of Posts and Telecommunications,School of Computer Science,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCC  ページ： 1970-1974  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： 本論文では,注意機構を用いてテキスト分類のための新しいアプローチを提案した。最近の研究において,従来の注意機構による深い学習に基づくいくつかのモデルは,主に全体のテキストにおけるステップの重みを学んだ。しかしながら,各ステップの情報は符号器によりフィルタされ,同じ情報は異なるステップに異なる影響を持つ。本論文では,fabGと呼ばれる完全注意ベース双方向GRU(Bi-GRU)ニューラルネットワークを提案した。fabGは,テキストの意味情報を学習するためにBi-GRUを使用し,各ステップにおけるBi-GRUの以前と現在の出力の重みを学習するために完全な注意機構を使用する。それは重要な情報を得るために各ステップの表現を可能にし,無関係な情報を無視する。最後に,プール層を通して,テキストの表現を得た。それによって,fabGはより多くの情報を学ぶことができて,それはテキスト分類の効果を強化した。英語ニュースデータセットニュースと中国語ニュースデータセットニュースに関する実験は,fabGがベースラインより良い性能を達成することを示した。Copyright 2020 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： フィルタ ,  *ニューラルネットワーク ,  英語 ,  中国語 ,  符号器 ,  *ニュース ,  基準線
準シソーラス用語： *テキスト分類 ,  意味情報 , 【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 (5件)： ニュース ,  テキスト分類 ,  注意 ,  Bi ,  ニューラルネットワーク