文献

J-GLOBAL ID：202102256171808185   整理番号：21A0274799

中国の遷移テキストの感情分類に関する研究【JST・京大機械翻訳】

Research on Sentiment Classification of Chinese Transition Text

著者 (3件)： Zhu Zhichao (College of Computer, Beijing University of Technology, Beijing, China) ,  Zhu Cui (College of Computer, Beijing University of Technology, Beijing, China) ,  Zhu Wenjun (College of Computer, Beijing University of Technology, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： RICAI 2020  ページ： 200-209  発行年： 2020年 
JST資料番号： D0698C  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： テキスト感情分類に関する研究は,非常に一般的であった。主な方法は,規則と辞書に基づく方法,機械統計学習とニューラルネットワーク方法を含んだ。これらの方法はテキスト感情分類において大きな成功を達成したが,まだ多くの欠陥がある。伝統的方法のために,その汎用性は,テキストスタイルまたはフォーマットが,著しく変化するならば,貧弱であり,規則は,再確立する必要がある。ニューラルネットワーク法は一般に適用可能であるが,言語知識の適用には十分ではない。上記の問題を解決するために,著者らは伝統的方法とニューラルネットワーク方法を結合する新しいモデルを提案した。それは,遷移レキシコン,積層BILSTMと注意機構を結合して,単語ベクトルを初期化するために単語2vecを使用した。感情分類のために,意味的特徴は必要であり,積み重ねたBILSTMは,より豊富な文脈情報表現を得るために,文脈意味論多重時間を捕捉することができる。同時に,遷移単語の前後における節の極性は完全に反対であり,また,分類結果に著しい影響を与えると考えられる。したがって,著者らは遷移単語のための2つの戦略を提案する。ひとつは,注意機構を監督するために遷移語彙を使用することであり,そして,注意モデルを遷移単語に敏感にする。他は,文章における無関係アイテムのノイズを除くために,変換単語に従って文章を切断することである。著者らの方法は,伝統的方法およびニューラルネットワーク方法の利点を結合して,それらのそれぞれの短所をつくった。提案手法を用いて,3つのデータセットで感情的二値分類実験を行った。実験結果は,著者らの方法が以前の方法より優れていることを示した。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： 極性 ,  雑音 ,  ベクトル ,  意味論 ,  言語 ,  ニューラルネットワーク ,  汎用性 ,  語彙 ,  多重化 ,  *単語 ,  二値分類
準シソーラス用語： 文脈情報 ,  感情分類 ,  統計学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 感情分類 ,  注意機構 ,  積層BILSTM ,  遷移レキシコン

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

タイトルに関連する用語 (4件)： 中国 ,  遷移 ,  感情分類 ,  研究