文献

J-GLOBAL ID：202202237768582924   整理番号：22A0410405

情報利得を組み込んだ重み注意層ベース文書分類【JST・京大機械翻訳】

Weight attention layer-based document classification incorporating information gain

著者 (3件)： Lee Min Seok (School of Industrial and Management Engineering, Korea University, Seoul, South Korea) ,  Yang Seok Woo (School of Industrial and Management Engineering, Korea University, Seoul, South Korea) ,  Lee Hong Joo (Department of Business Administration, The Catholic University of Korea, Bucheon, South Korea)
資料名： Expert Systems  (Expert Systems)
巻： 39  号： 1  ページ： e12833  発行年： 2022年 
JST資料番号： T0510A  ISSN： 0266-4720  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 文書分類器の性能はテキストデータのそれらの内部表現に大きく依存する。最近の研究は,焦点の領域を特定し,潜在データ空間を見出し,分類器の代表性と性能を増加させる。本研究では,注意メカニズムに基づく深層学習モデルに対する注意重みを計算するとき,単語の追加特徴を用いる重み注意層(WAL)を提案した。WALでは,注意重み行列と単語重み行列のドット積により注意分布を計算した。追加特徴のための特徴選択アルゴリズムの一つである情報利得を利用した。提案した方法を評価するために,有用なレビューのデータセット,感情レビュー,およびケーキレビューを用いた。これらのデータセットを,注意ベース双方向長短期メモリ(LSTM)と階層的注意ネットワークを含む注意機構に基づく2つの深層学習モデルに適用した。10倍交差検証の結果,WALを用いた場合の精度とF1スコアに関するモデルの性能改善を実証した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. 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 ,  ネットワーク ,  特徴選択 ,  *単語
準シソーラス用語： *文書分類 ,  *情報利得 ,  深層学習 ,  テキストデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 注意機構 ,  文書分類 ,  特徴選択 ,  情報利得 ,  体重注意層

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 情報利得 ,  注意 ,  文書 ,  分類