文献

J-GLOBAL ID：202102262286123306   整理番号：21A0739540

注意力ニューラルネットワークに基づく多モード感情解析【JST・京大機械翻訳】

Multimodal Sentiment Analysis Based on Attention Neural Network

著者 (2件)： Lin Minhong (广西大学計算机与電子信息学院 南寧 530004) ,  Meng Zuqiang (广西大学計算机与電子信息学院 南寧 530004)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： z2  ページ： 508-514,548  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  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、ますます多くの人は、社交媒体上で同時に画像とテキストなどのメディア形式で自分の感じと見方を表現し、画像とテキストを主な内容とする多モードデータを絶えず増加させている。単一モードデータと比較して,多モードデータに含まれる情報は,より豊富であり,そして,ユーザの実際の感情を,より明白にすることができた。これらの大量の多モードデータに対する感情分析は人々の態度と観点をよりよく理解し、広範な応用場面を持っている。多モード感情分類タスクにおける情報冗長性問題を解決するために,テンソル融合方式に基づいて,注意力ニューラルネットワークに基づく多モード感情解析法を提案した。この方法は,注意力ニューラルネットワークに基づくテキスト特徴抽出モデルと画像特徴抽出モデルを作り,画像感情情報のキー領域と感情情報を含む単語を突出させ,各単一モード特徴表現をより洗練した。各モードのテンソル積を多モードデータの結合特徴として表現し、主成分分析法を用いて複合特徴の冗長情報を取り除き、さらにサポートベクターマシンを用いて多モードデータの感情クラスを獲得した。2つの真実のTwitter図文データセット上で提案したモデルに対して評価を行い、実験結果により、他の感情分類モデルと比べ、この方法は分類精度、再現率、F1指標と精度においていずれも大きな向上があることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： テンソル ,  冗長性 ,  *ニューラルネットワーク ,  特徴抽出 ,  媒質 ,  *多モード ,  テンソル積 ,  主成分分析 ,  単一モード ,  単語 ,  サポートベクトルマシン
準シソーラス用語： 再現率 ,  ツイッター ,  画像特徴抽出 ,  感情分類 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 注意力 ,  ニューラルネットワーク ,  多モード ,  感情 ,  解析