抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
広く展開され,使いやすいLinguistic Inquiry and Word Count(LIWC)ツールは,患者感情分析,鬱病検出,およびADHD検出のような多くの医療アプリケーションのための多くのコンピュータ化されたテキスト分析タスクのための金標準である。多くの他の自然言語処理(NLP)タスクと比較して,医学分野では,大規模データセットを得ることが困難であり,複雑なテキストパターンから有効な自動表現学習(例えば,深い自動エンコーダを用いて)を困難にする。LIWCは,テキストを簡潔で効果的なベクトル表現に変換するための機械学習モデルの置換として,人間設計辞書を用いてこの問題を解決できる。しかし,LIWCの辞書は大きいが,辞書編集者の知識制約のために,いくつかの潜在的に有益な単語がまだ無視されるかもしれない。この問題は,解析テキストが形式的言語(例えば,方言,lang,またはサイバー単語)でないときに特に顕著である。この問題に取り組むために,正確な単語マッチングを必要としない新しいマッチング方式を提案したが,代わりに,LIWC辞書における鍵に類似したすべての単語を計数した。このスキームは,WordNet,大規模語彙データベース,Word2Vec,機械学習ベースの単語埋込み技術を使用して実行される。提案方法の出力は,LIWCの出力と同じフォーマットであり,それによって,ユーザビリティを維持する。以前の研究と同様に,提案方法はテキスト表現符号化のための人間ドメイン知識と機械学習の組合せとして見ることができる。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】