文献

J-GLOBAL ID：202102218499592017   整理番号：21A2649965

特徴レベルの注意力に基づく階層的感情分類モデル研究【JST・京大機械翻訳】

Research on aspect level sentiment classification model based on feature level attention

著者 (5件)： Yang Jiajia (華北計算机系統工程研究所,北京100083) ,  Xiong Rendou (華北計算机系統工程研究所,北京100083) ,  Liu Jin (華北計算机系統工程研究所,北京100083) ,  Tang Qiu (華北計算机系統工程研究所,北京100083) ,  Zuo Jiao (中国長城科技集団股fen有限公司,广東深zhen518057)
資料名： Dianzi Jishu Yingyong  (Dianzi Jishu Yingyong)
巻： 47  号： 7  ページ： 78-82  発行年： 2021年 
JST資料番号： C2505A  ISSN： 0258-7998  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 近年、大データ、自然言語処理などの技術が飛躍的に発展した。感情解析は自然言語処理細分化領域の最前線技術の1つとして、極めて大きな重視を得た。しかし、低パラメータ量、高精度は依然として感情分析を制約する重要な要素の一つである。モデルのパラメータが少なく,モデルの分類精度が高い感情分析の要求を満たすため,特徴レベルの注意力メカニズムの入力ベクトル,およびフィードフォワードニューラルネットワークと注意力の符号化の前後位置関係を改善することにより,リセット可能な特徴レベルの注意力メカニズムを得た。この機構に基づいて,リセット可能特徴レベル注意力の等級感情分類モデル(RFWA)とリセット可能特徴レベル自己注意力に基づく感情分類モデル(RFWSA)を提案し,高精度の感情分析効果を実現した。公開データセットに関する実験結果は,既存の主流感情解析方法と比較して,提案したモデルには,特に,かなりの分類性能があるとき,モデルのパラメータ量が,最新AOAネットワークの1/4だけであることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  *ネットワーク ,  自然言語処理
準シソーラス用語： フィードフォワードニューラルネットワーク ,  分類精度 ,  高精度 ,  細分化 ,  感情分類 ,  *分類モデル , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 注意力 ,  感情 ,  分類モデル ,  研究