文献

J-GLOBAL ID：202102276006915064   整理番号：21A0310870

注意力機構に基づくマルチチャネルCNNとBiGRUのテキスト感情傾向性分析【JST・京大機械翻訳】

Text Sentiment Orientation Analysis of Multi-Channels CNN and BiGRU Based on Attention Mechanism

著者 (8件)： Cheng Yan (江西師范大学計算机信息工程学院 南昌 330022) ,  Yao Leibo (江西師范大学計算机信息工程学院 南昌 330022) ,  Zhang Guanghe (江西師范大学計算机信息工程学院 南昌 330022) ,  Tang Tianwei (江西師范大学管理决策評价研究中心 南昌 330022) ,  Xiang Guoxiong (江西師范大学新聞与伝播学院 南昌 330022) ,  Chen Haomai (豫章師范学院数学与計算机学院 南昌 330022) ,  Feng Yue (江西師范大学計算机信息工程学院 南昌 330022) ,  Cai Zhuang (江西師范大学計算机信息工程学院 南昌 330022)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 57  号： 12  ページ： 2583-2595  発行年： 2020年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  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、畳み込みニューラルネットワーク(convolutionalneuralnetwork,CNN)と循環ニューラルネットワーク(recurrentneuralnetwork,RNN)はすでにテキスト感情分析領域に広く応用されている。そして,エラー効果を得た。しかし、テキストの間に文脈依存問題があり、CNNは文連続語間の局部情報を抽出することができるが、単語間の文脈意味情報を無視する。双方向ゲート制御ループユニット(bidirectionalgatedrecurrentunit,BiGRU)ネットワークは従来のRNNモデルに存在する勾配消失あるいは勾配爆発問題を解決できる。また、CNNが有効に長いテキストの文脈意味情報を抽出できないという欠点を補うことができるが、CNNのように文の局部特徴をうまく抽出できない。したがって,注意機構に基づくマルチチャネルCNNと双方向ゲート制御ループユニット(MC-AttCNN-AttBiGRU)のニューラルネットワークモデルを提案した。本モデルは,感情極性分類の重要語に注意を払うだけでなく,CNN抽出テキストの局所的特徴およびBiGRUネットワークによる長いテキスト文脈の意味情報抽出の優位性を結びつけ,モデルのテキスト特徴抽出能力を改善した。Pinus松波ホテルのレビューデータセットとIMDBデータセットに関する実験結果は,提案したモデルが他のいくつかのベースラインモデルよりも豊富なテキスト特徴を抽出することができ,他のベースラインモデルより良い分類効果が得られることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 極性 ,  *ネットワーク ,  ニューラルネットワーク ,  特徴抽出 ,  ホテル ,  基準線 ,  単語 ,  情報抽出
準シソーラス用語： 神経回路網モデル ,  マルチチャネル ,  意味情報 ,  ゲート制御 ,  感情分析 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 注意力 ,  マルチチャネル ,  CNN ,  感情 ,  傾向 ,  分析