文献

J-GLOBAL ID：202002248661310330   整理番号：20A0904728

短いテキストのためのテキスト分類からキーワード抽出へ【JST・京大機械翻訳】

From Text Classification to Keyphrase Extraction for Short Text

著者 (5件)： Lee Song-Eun (Korea University,Department of Computer Science and Engineering,Seoul,Republic of Korea) ,  Kim Kang-Min (Korea University,Department of Computer Science and Engineering,Seoul,Republic of Korea) ,  Ryu Woo-Jong (Korea University,Department of Computer Science and Engineering,Seoul,Republic of Korea) ,  Park Jemin (Korea University,Department of Computer Science and Engineering,Seoul,Republic of Korea) ,  Lee SangKeun (Korea University,Department of Computer Science and Engineering,Seoul,Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： Big Data  ページ： 1137-1142  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： 既存のキーフレーズ抽出アプローチは,しばしば短いテキスト(例えば,ヘッドライン,質問,およびツイート)のスパース性とbre性のような問題を被っている。本論文では,再帰ニューラルネットワークを利用することにより,短いテキストのための新しいキーフレーズ抽出法を提案した。著者らのアプローチの背後にある主なアイデアは,短いテキストを関連するクラスまたはカテゴリに分類し,クラスまたはカテゴリにおける重要な単語からキーフレーズを抽出することである。注釈付きキーフレーズの情報を必要とする以前の教師つきアプローチとは異なり,このアプローチはテキスト分類データセット(すなわち,DBpedia)のみを必要とし,それは使用が容易であり,人間の努力が少ない。このアプローチでは,テキスト分類のために,最初に短いテキストを注意ベースのニューラルネットワークに送る。次に,入力短テキストにおける各単語の注意重みを計算した。続いて,チャンキング句によりキーフレーズ候補を検出し,チャンクフレーズにおける構成語の注意重みを要約した。実験結果は,ヘッドライン,質問,およびツイートのような実世界データセットに対する著者らのアプローチの有効性を明確に示した。提案した方法は,F1スコアに関するキーフレーズ抽出のためのMicrosoft CognitiveサービスとIBM Watson自然言語理解サービスを上回り,NYTとQuestionデータセットに関する許容可能な割合を上回った。さらに,著者らは,提案した方法が,ピンセットデータセットにおける短いテキストからのキーフレーズ抽出のための教師つき方法に匹敵することを確認した。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： ニューラルネットワーク ,  有効性 ,  *単語 ,  アノテーション
準シソーラス用語： 自然言語理解 ,  チャンキング ,  チャンク ,  *テキスト分類 ,  句 ,  キーワード抽出 ,  スパース性 , 【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 (2件)： テキスト分類 ,  キーワード抽出