文献

J-GLOBAL ID：202002236612298905   整理番号：20A2262129

オンラインレビューからアスペクト用語を抽出するための弱教師付きWordNet誘導深層学習アプローチ【JST・京大機械翻訳】

A Weakly Supervised WordNet-Guided Deep Learning Approach to Extracting Aspect Terms from Online Reviews

著者 (2件)： Tao Jie (Fairfield University, Fairfield, Connecticut) ,  Zhou Lina (University of North Carolina at Charlotte, Charlotte, North Carolina)
資料名： ACM Transactions on Management Information Systems  (ACM Transactions on Management Information Systems)
巻： 11  号： 3  ページ： 1-22  発行年： 2020年 
JST資料番号： W5700A  ISSN： 2158-656X  資料種別： 逐次刊行物 (A)
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： オンラインレビューの非構造化特性は,購入意思決定のサポートで研究および使用するための前向き消費者にとって非効率的で,不便である。製品の側面は,レビューテキストの理解と組織化のための微細粒有意義な展望を提供する。従来のアスペクト抽出手法は,分離の単語を扱う離散言語モデルに依存する。連続空間言語モデルは広範囲の問題に対処するのに有望であるにもかかわらず,アスペクト抽出における応用は重大な課題に直面している。例えば,既存の連続空間言語モデルは,通常,ラベル付きデータの大きな収集を必要とし,多くのドメインで得るのは難しい。より重要なことに,以前の方法は,主にデータ駆動であるが,モデル開発を導く際に人間知識の役割を見落としている。これらの限界に対処するために,本研究は,アスペクト抽出に対する弱い教師つきWordNet誘導深層学習を設計し,開発した。このアプローチは,WordNetから深いレベルの意味情報を引き出して,選択代表的シード項だけでなく,側面候補項の剪定も誘導する。弱い監視は,ラベル付きデータの非常に小さいセットによって提供される。直接および間接法の両方を用いて提案した方法の総合評価を行った。Yelpレストランレビューによる評価結果は,提案手法が,直接および間接評価の両者を横断して,離散モデルおよび最先端の連続空間言語モデルを含むすべてのベースライン法よりも一貫して優れていることを実証した。調査結果は,オンラインレビューの様々な利害関係者に対して,幅広い研究,技術的,および実用的含意を有する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 消費者 ,  基準線 ,  単語 ,  含意 ,  *言語モデル
準シソーラス用語： 利害関係者 ,  意味情報 ,  *オンライン ,  データ駆動 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： アスペクト抽出 ,  連続空間言語モデル ,  深層学習 ,  意味知識 ,  テキスト解析

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (7件)： オンライン ,  レビュー ,  用語 ,  教師 ,  WordNet ,  誘導 ,  深層学習