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。
神経seq2seqと変圧器のような最新の深層学習アーキテクチャは,マルチタイプ感情分類タスクにおいて顕著な改善を示した。最近の変圧器ベースとseq2seqベースのモデルはテキストの豊富な文脈情報を捉えるのに成功したが,下流SAタスクの性能を十分に活用できる大域的意味情報を組み込むことにはまだ注意が不足している。さらに,ユーザの感情的表現は,通常,テキスト表現学習のプロセスおよび感情極性予測に関する大きな課題を課す多くの雑音およびあいまいさを含む自然人間書きテキストデータの形式である。これらの課題に応えるために,著者らは,TopFuzz4SAと呼ばれるSAタスクを扱うためのトピック駆動テキスト表現学習アプローチによる新しい統合ファジィニューラルアーキテクチャを提案する。具体的には,提案したTopFuzz4SAモデルにおいて,まず,与えられたテキストデータの豊富な文脈と大域的意味情報の両方を十分に学習するために,潜在的トピック埋込みと注意メカニズムの組み込みを伴うトピック駆動型ニューラルエンコーダデコーダアーキテクチャを適用した。次に,テキストの豊富な意味表現を融合深層ファジィニューラルネットワークに供給して,特徴曖昧さとノイズを効果的に減らし,感情分類タスクのための最終的テキスト表現を形成した。ベンチマークデータセットにおける広範な実験は,最新の最先端のベースラインと比較して,提案したTopFuzz4SAモデルの有効性を実証した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】