文献

J-GLOBAL ID：202002280237792524   整理番号：20A0861073

深層学習と能動学習を用いたインドネシア語ニュース記事に関する全身リスク文書分類【JST・京大機械翻訳】

Systemic Risk Document Classification on Indonesian News Articles using Deep Learning and Active Learning

著者 (3件)： Gumilang Muhammad (PT Prosa Solusi Cerdas,Bandung,Indonesia) ,  Purwarianti Ayu (School of Electrical Engineering and Informatics, Institut Teknologi Bandung,Bandung,Indonesia) ,  Nurdinasari Feriati (Bank Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICEEI  ページ： 46-51  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： インドネシアのオンラインニュース記事は,この10年間に急速に成長している。情報の一つは,金融の全身リスクに関する情報を含む経済的なニュースである。リアルタイムにおける財政的全身リスクに関する情報を得るために,全身リスク文書分類に関する作業を自動的に行うべきである。ここでは,深い学習と能動学習を用いて,自動的に全身リスク文書を分類する。著者らは,インドネシアの銀行によって定義されるように,15クラスの財政的な全身リスクを使用する。タスクはマルチラベル分類であり,テキスト文書は全身リスクの1つ以上の情報を含む可能性がある。深い学習戦略のために,CNN,Bi-LSTMおよびBi-GRUのいくつかの実験を行った。また,2段階の分類と比較した。実験結果において,訓練データとして1752の文書を用いて,試験データとして228の文書を用いて,最も高いF1スコアを,1つの分類ステップを有するBi-LSTMトポロジーと単語埋込みのための資源としての大きな一般的コーパスを用いることによって達成した。最も高いF1スコアは,0.15と定義された確率閾値を有する15のクラスに対して45.37%であった。分類の2つの段階において,2つのクラス(リスク情報を含むか否か)のための最初の分類は,精度は82.46%であった。限られたデータを扱うために,訓練データとしてラベル付けされるべき次の候補を選択するために能動学習を行った。実験において,20の新しいデータの各々の反復による420の新しいデータのために,結果は,活発な学習を使用することが性能を改良することができないことを示した。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： *ニュース ,  単語 ,  銀行 ,  インドネシア共和国 ,  金融 ,  コーパス ,  位相幾何学
準シソーラス用語： 訓練データ ,  オンライン ,  *文書分類 ,  *ニュース記事 ,  *深層学習 , 【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 (8件)： 深層学習 ,  能動学習 ,  インドネシア ,  ニュース記事 ,  全身 ,  リスク ,  文書 ,  分類