文献

J-GLOBAL ID：202202213186956611   整理番号：22A0708010

インドネシア感情分析に関する生涯学習のための性能長期短期記憶畳込みニューラルネットワーク(LSTM-CNN)の解析【JST・京大機械翻訳】

Analysis of Performance Long Short-Term Memory-Convolutional Neural Network (LSTM-CNN) for Lifelong Learning on Indonesian Sentiment Analysis

著者 (6件)： Suriah Gita Kartika (Department of Mathematics, Universitas Indonesia, Depok, Indonesia) ,  Hadiansah Rezki (Department of Mathematics, Universitas Indonesia, Depok, Indonesia) ,  Murfi Hendri (Department of Mathematics, Universitas Indonesia, Depok, Indonesia) ,  Ardaneswari Gianinna (Department of Mathematics, Universitas Indonesia, Depok, Indonesia) ,  Cahya Lucky Dwi (Department of Mathematics, Universitas Indonesia, Depok, Indonesia) ,  Nurhaniifah Farhatun (Department of Mathematics, Universitas Indonesia, Depok, Indonesia)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1418  ページ： 990-1003  発行年： 2022年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： テキストデータの1つの一般的なタスクは,感情分析である。機械学習の観点から,感情分析の問題は,テキストデータを,正,負,または中立のような一種の感情に分類することである。畳込みニューラルネットワーク(CNN)は,感情解析を含むいくつかのテキストデータタスクに対して良い結果を与える深層学習モデルの1つである。Long-Short Termメモリと畳込みニューラルネットワーク(LSTM-CNN)の組合せであるより新しい深層学習アーキテクチャは,感情解析に対してより良い結果を示す。本論文では,インドネシアソーシャルメディアにおける感情分析の生涯学習のためのCNNとLSTM-CNNの性能を解析した。いくつかのドメインから順次学習した後に,著者らのシミュレーションは,CNNと比較して,LSTM-CNNが,それらの知識を新しいドメインに転送する能力を増加させるのにより良いことを示した。しかし,LSTM-CNNは,現在のドメインにおいてCNNより多くの知識を損失した。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  感情 ,  *ニューラルネットワーク ,  インドネシア共和国 ,  *生涯教育 ,  モデル ,  *記憶 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： 短期記憶 ,  長期記憶 ,  ソーシャルメディア ,  感情分析 ,  深層学習 ,  *畳込みニューラルネットワーク ,  テキストデータ ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (4件)： 感情分析 ,  畳込みニューラルネットワーク ,  長期記憶 ,  生涯学習

分類 (3件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： インドネシア ,  感情分析 ,  生涯学習 ,  長期 ,  短期記憶 ,  畳込みニューラルネットワーク ,  LSTM ,  CNN ,  解析