文献

J-GLOBAL ID：202202215209464123   整理番号：22A0807409

アンサンブル深層学習言語モデルを用いたソーシャルメディアアプリケーションのための感情分析の改善【JST・京大機械翻訳】

Improving Sentiment Analysis for Social Media Applications Using an Ensemble Deep Learning Language Model

著者 (1件)： Alsayat Ahmed (Department of Computer Science, College of Computer and Information Sciences, Jouf University, Sakaka, Kingdom of Saudi Arabia)
資料名： Arabian Journal for Science and Engineering  (Arabian Journal for Science and Engineering)
巻： 47  号： 2  ページ： 2499-2511  発行年： 2022年 
JST資料番号： W4051A  ISSN： 2193-567X  資料種別： 逐次刊行物 (A)
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： データがユーザの貢献によってソーシャルメディア上で急速に成長するので,特に最近のコロナウイルスパンデミックによって,それらの挙動の知識を得る必要性は,高需要である。パンデミックに関するポストの背後にある意見は,本研究でテストしたデータセットの範囲である。この種のデータに対する最も適切な分類アルゴリズムを見出すことは挑戦的である。この文脈の中で,感情解析のための深層学習のモデルは,既存の特徴ベース技術と比較して,詳細な表現能力と強化性能を導入することができる。本論文では,高度な単語埋込み技法によるカスタム化深層学習モデルを用いて感情分類の性能を高め,長い短期メモリ(LSTM)ネットワークを生成することに焦点を当てた。さらに,感情解析に用いる他の最先端の分類器と著者らのベースライン分類器を結合するアンサンブルモデルを提案した。本論文の貢献は2倍である。(1)単語埋め込みとLSTMネットワークに基づくロバストフレームワークを確立し,単語間の文脈関係を学習し,訓練データからのサフィックスとプレフィックスの認識によりコロナウイルスパンデミックのような比較的新しい状況において,非意味または希少語を理解した。(2)感情解析のためのハイブリッドアンサンブルモデルを提案して,最先端の方法における有意差を捉え,利用した。アマゾンとYelpからの公開レビューデータセットと同様に,著者ら自身のTwitterコロナウイルスハッシュタグデータセットを用いていくつかの実験を行った。結論として,統計的研究を行い,これらの提案モデルの性能は分類精度に関して他のモデルを上回ることを示した。Copyright King Fahd University of Petroleum & Minerals 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  記憶装置 ,  表現 ,  ネットワーク ,  *応用プログラム ,  *モデル ,  単語 ,  ロバスト性 ,  *情報メディア ,  機械学習 ,  データマイニング ,  *言語モデル
準シソーラス用語： 訓練データ ,  *ソーシャルメディア ,  ツイッター ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (9件)： 機械学習 ,  深層学習 ,  感情分析 ,  データマイニング ,  アンサンブルアルゴリズム ,  ソーシャルメディア ,  流行 ,  コロナウイルス ,  COVID-19

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： アンサンブル ,  深層学習 ,  言語モデル ,  感情分析