抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
政府支援政策決定とスキーム世代は,市民の社会,経済,および個人開発を保護,促進する手段の1つである。政府によって行われたこれらのスキームの有効性の評価は,トピックに関する公衆の認識,経験,および見解の詳細な知識を含まない事実と図形に関して統計的情報を提供するだけである。本研究では,異なる健康ベース政府方式のTwitterデータを分類する改良テキスト分類フレームワークを提案した。提案フレームワークは,言語表現モデル(LRモデル)BERT,ELMO,およびUSEを利用する。しかし,これらのLRモデルは,十分な注釈付きデータの不足のために,より少ないリアルタイム適応性を有する。これを処理するために,ラベル付きデータのサイズを増加させることによりテキスト分類タスクの性能を高める新しいGloVe単語埋込みとクラス固有感情ベーステキスト増強アプローチ(Mod-EDAと呼ぶ)を提案した。さらに,訓練されたモデルは,中所得および低所得グループのような異なるコミュニティにおけるこれらの政策に対する市民の参加のレベルを同定するために活用されている。【JST・京大機械翻訳】