文献

J-GLOBAL ID：202202265754313031   整理番号：22A1036834

CNN-BLSTMモデルと結合した注意機構を用いた評価テキスト教育のための感情解析法【JST・京大機械翻訳】

A Sentiment Analysis Method for Teaching Evaluation Texts Using Attention Mechanism Combined with CNN-BLSTM Model

著者 (3件)： Peng Hong (School of Computing, Huanggang Normal University, Huanggang, Hubei 438000, China) ,  Zhang Zhenwei (School of Computing, Huanggang Normal University, Huanggang, Hubei 438000, China) ,  Liu Hua (School of Computing, Huanggang Normal University, Huanggang, Hubei 438000, China)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ほとんどの既存の感情解析モデルが感情間の関係を無視し,学生には適していないという問題を考慮して,深層学習に基づく教育評価テキストの感情解析モデルを提案した。まず第一に,CNN抽出語句特性とBLSTM抽出配列特徴の利点を結合して,CNN-BLSTMモデルをテキスト情報の抽出能力を効果的に強化するために構築する。次に,注意機構を用いて,コンテキスト情報を適応的に認識し,学生の感情に影響を及ぼすテキスト特徴を抽出し,CNN-BLSTM-ATモデルを構築した。最後に,CNN-BLSTM-ATモデルを用いて,データセットにおける学生の感情型を分析し,ミニバッチ勾配降下法を用いてモデル訓練を行った。実験は,提案モデルの性能を実証するために,Weibo_senti_100kデータセットを用いた。結果は,注意機構を加えることが,およそ0.23によってモデルの精度を改良することができることを示した。また,その再現率は0.57以下であり,F1の最小値は0.748であり,他の比較モデルよりも良好であり,提案したモデルの有効性を実証した。Copyright 2022 Hong Peng et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *教育 ,  *感情 ,  評価 ,  特性 ,  抽出 ,  *モデル ,  有効性 ,  最急降下法 ,  機械学習 ,  解析モデル
準シソーラス用語： 教育評価 ,  再現率 ,  フレーズ ,  深層学習 ,  コンテキスト情報 ,  テキスト情報 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

引用文献 (25件)：

• L.-y. Xue, Q.-r. Mao, X.-h. Huang, J. Chen, "NLWSNet: a weakly supervised network for visual sentiment analysis in mislabeled web images," Frontiers of Information Technology & Electronic Engineering, vol. 21, no. 9, pp. 1321-1333, 2020.
• K. Wang, Y. Zhang, "Topic sentiment analysis in online learning community from college students," Journal of Data and Information Science, vol. 5, no. 2, pp. 33-61, 2020.
• W. F. Dong, Y. F. Qiu, "Transnational sentiment analysis of Social Media for CSA Social Enterprise Innovation-from the Perspective of Sharing Economy and collaborative consumption," Journal of Information Management, vol. 26, no. 1, pp. 71-98, 2019.
• H. R. Alburo, C. L. C. S. Romana, L. S. Feliscuzo, "Sentiment analysis of the Academic Services of ESSU Salcedo campus using Plutchik model and Latent Dirichlet allocation algorithm," International Journal of Recent Technology and Engineering, vol. 9, no. 6, pp. 176-183, 2021.
• W. Muhammad, M. Mushtaq, K. N. Junejo, M. Y. Khan, "Sentiment analysis of product reviews in the Absence of Labelled data using supervised learning Approaches," Malaysian Journal of Computer Science, vol. 32, no. 2, pp. 118-132, 2020.

タイトルに関連する用語 (7件)： CNN ,  モデル ,  注意 ,  評価 ,  教育 ,  感情 ,  解析法