文献

J-GLOBAL ID：202102264042328394   整理番号：21A0873838

伝統的および深層学習アプローチを用いたリトアニア語テキストの感情分析【JST・京大機械翻訳】

Sentiment Analysis of Lithuanian Texts Using Traditional and Deep Learning Approaches

著者 (3件)： Kapociute-Dzikiene Jurgita (Faculty of Informatics, Vytautas Magnus University, K. Donelaicio 58, 44248 Kaunas, Lithuania) ,  Damasevicius Robertas (Department of Software Engineering, Kaunas University of Technology, K. Donelaicio 73, 44249 Kaunas, Lithuania) ,  Wozniak Marcin (Institute of Mathematics, Silesian University of Technology, Kaszubska 23, 44-100 Gliwice, Poland)
資料名： Computers (Web)  (Computers (Web))
巻： 8  号： 1  ページ： 4  発行年： 2019年 
JST資料番号： U7165A  ISSN： 2073-431X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 著者らは,伝統的機械学習(Nave Bayes Multiple NBMとサポートベクターマシンSVM)と深層学習(Long Short-Term記憶LSTMと畳込みニューラルネットワークCNN)アプローチを用いて,Lithuanianインターネットコメントデータセット上で実行した感情解析実験を記述した。従来の機械学習技術を,語彙,形態学的,および文字情報に基づく特徴を用いて使用した。深層学習アプローチを,2種類の単語埋込み(負のサンプリングとFastTextを持つVord2Vec連続バッグ)のトップに適用した。伝統的および深い学習アプローチの両方は,バランスおよび完全なデータセットバージョンに関する正/負/中性感情分類タスクを解決しなければならない。最良の深層学習結果(精度の0.706に達する)を,FastText埋込みのトップに適用したCNNを有するフルデータセット上で達成し,エトコンを置換し,ダイクライトを除去した。伝統的機械学習手法は,NBM方式による完全なデータセットに関して最良の性能(精度の0.735)を示し,エトコンを置換し,ダイクライトを復元し,そして,特徴として補題ユニグラムを復元した。伝統的機械学習アプローチは,深層学習法と比較して優れていた。深い学習は,小さなデータセットに適用した場合,良好な結果を示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  語彙 ,  単語 ,  リトアニア共和国 ,  インターネット ,  機械学習 ,  モルフォロジー ,  サポートベクトルマシン
準シソーラス用語： 文字情報 ,  感情分類 ,  機械学習技術 ,  感情分析 ,  *深層学習 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (6件)： 感情分析 ,  機械学習 ,  深層学習 ,  神経語埋め込み ,  インターネットコメント ,  リトアニア語

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (61件)：

• Htet, H.; Khaing, S.S.; Myint, Y.Y. Tweets sentiment analysis for healthcare on big data processing and IoT architecture using maximum entropy classifier. In Proceedings of the International Conference on Big Data Analysis and Deep Learning Applications, Miyazaki, Japan, 14-15 May 2018; Zin, T., Lin, J.W., Eds.; Springer: Singapore, 2019; Volume 744, pp. 28-38.
• Moe, Z.H.; San, T.; Tin, H.M.; Hlaing, N.Y.; Tin, M.M. Evaluation for teacher’s ability and forecasting student’s career based on big data. In Big Data Analysis and Deep Learning Applications; Springer: Singapore, 2019.
• Agarwal, B.; Mittal, N.; Bansal, P.; Garg, S. Sentiment Analysis Using Common-Sense and Context Information. Comput. Intell. Neurosci. 2015, 2015.
• Asghar, M.Z.; Khan, A.; Ahmad, Sh.; Qasim, M.; Khan, I.A. Lexicon-enhanced sentiment analysis framework using rule-based classification scheme. PLoS ONE 2017, 12, e0171649.
• Augustyniak, Ł.; Szymański, P.; Kajdanowicz, T.; Tuligłowicz, W. Comprehensive study on lexicon-based ensemble classification sentiment analysis. Entropy 2016, 18, 4.

タイトルに関連する用語 (3件)： 深層学習 ,  リトアニア ,  感情分析