文献

J-GLOBAL ID：202102279867956371   整理番号：21A0064968

深層移動学習によるメンタルヘルステキストにおける自動感情価予測【JST・京大機械翻訳】

Automated Emotional Valence Prediction in Mental Health Text via Deep Transfer Learning

著者 (4件)： Shickel Benjamin (University of Florida,Department of Computer and Information Science and Engineering) ,  Heesacker Martin (University of Florida,Department of Psychology) ,  Benton Sherry (TAO Connect) ,  Rashidi Parisa (University of Florida,Department of Biomedical Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBE  ページ： 269-274  発行年： 2020年 
JST資料番号： W2441A  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： 感情解析は,自由テキストにおける正または負の極性の程度を決定するのに一般的に関係する機械学習と自然言語処理のよく研究されている分野である。伝統的に,そのような方法は,製品,ニュース,または映画のような外部エンティティに向けたユーザ意見の分析に焦点を合わせている。しかし,内在化思考の形式と自己反射の表現において,人間の感情を理解するためには,あまり注意が払われていない。公共社会メディアプラットフォームと民間オンライン治療サービスの上昇を考えると,感情状態を定量化する正確なツールを設計する機会は,全時間が高い。心理的研究に基づき,本研究では,4つの感情カテゴリーを有する2次元原子価方式を用いた新しいタイプの感情解析タスクを提案した:正,負,正および負,および正および負でない。本研究は,実世界のメンタルヘルス治療ログの新しい注釈付きデータセットの収集を詳述し,感情的原子価の正確な分類のためのいくつかの機械学習方法論を比較した。特にBERTの最近のブレークスルー法を用いて,深層転送学習手法を用いた優れた性能を見出した。分離した原子価軸上の感情的感情の表現は,メンタルヘルスタスクのための伝統的な感情分析の適切な修正であり,現代の転送学習アプローチは,ラベル付きデータがしばしば不足している自動メンタルヘルスフレームワークの必須成分になるべきであると主張する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 極性 ,  *学習 ,  原子価 ,  自然言語処理 ,  二次元 ,  *精神衛生 ,  ニュース ,  深層 ,  機械学習 ,  アノテーション
準シソーラス用語： オンライン ,  ソーシャルメディア ,  エンティティ ,  感情分析 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 深層 ,  学習 ,  メンタルヘルス ,  感情 ,  予測