マルチタスク学習とBERT埋込みによる極性と主観的検出【JST・京大機械翻訳】

Satapathy Ranjan; Pardeshi Shweta; Cambria Erik

プレプリント

J-GLOBAL ID：202202205758517980 整理番号：22P0027600

マルチタスク学習とBERT埋込みによる極性と主観的検出【JST・京大機械翻訳】

Polarity and Subjectivity Detection with Multitask Learning and BERT Embedding

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月14日プレプリントサーバーでの情報更新日： 2022年01月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチタスク学習は,しばしば互いに相互依存性を持つので,関連するタスクの性能の改善を助け,共同フレームワークで解くとき,より良く機能する。本論文では,極性と主観的検出を同時に行う深層マルチタスク学習フレームワークを提案した。極性と主観性を予測するための注意ベースマルチタスクモデルを提案した。入力文を事前訓練BERTとGlove埋込みを用いてベクトルに変換し,その結果,BERT埋込みベースモデルはGloveベースモデルよりも良好に機能することを示した。主観的および極性分類単一タスクおよびマルチタスクフレームワークの両者における最先端モデルと比較した。提案アプローチは,極性検出と主観検出の両方に対するベースライン性能を報告する。【JST・京大機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , ,

前のページに戻る