文献

J-GLOBAL ID：202202268484762930   整理番号：22A0887213

株傾向予測のための文脈感受性感情解析モデルの目標評価【JST・京大機械翻訳】

Targeted Evaluation of Context-Sensitive Sentiment Analysis Models for Prediction of Stock Trends

著者 (3件)： Sable Rachna (G.H. Raisoni Institute of Engineering and Technology, Pune, India) ,  Goel Shivani (School of Engineering and Applied Sciences, Bennett University, Greater Noida, U.P., India) ,  Chatterjee Pradeep (Tata Motors, Pune, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1415  ページ： 477-489  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： ストック感情は,ストック傾向の解析と予測に対して非常に重要な役割を果たす。ストック感情に関するデータは,Twitter,Googleレビュー,ニュース記事などのマイクロブロギングプラットフォームによって利用可能であり,このデータのSentiment分析は,基礎となるストックの価格移動に関する近似的アイデアを与えることができる。このタスクを実行するために,多様な感情解析モデルを研究者によって提案した。これらのモデルは,辞書ベースモデル,アスペクトベースモデル,深層学習モデルなどを含み,これらのモデルの各々は,それら自身の数字,利点および限界を持つ。例えば,Word2VecとGloVeのような深層学習モデルは高精度であり,同義マッチングを組み入れることができるが,感情計算には大きな遅延を必要とする。テキストブロブや辞書ベースのマッチングのような簡単なモデルは,アプリケーション特有のデータセットに対して優れた性能を持つが,汎用テキストに対しては適用できない。このように,与えられたストックタイプのための最良適合モデルを選択することはあいまいになり,それは試験および評価遅れを増加して,一方,ストックベースの感情分析システムを構築した。この多義性を減らすために,Apple,Reliance,Tata MotorsおよびONGCストックに対する感情評価の遅延および精度に関して,いくつかの最も効率的な感情解析モデルの性能を評価する。評価したモデルは,ルールベースモデルと単語埋込みモデルを含む。訓練されたWord2VecモデルとWordistsモデルは,他のモデルよりも優れ,高精度のストックベースの感情分析に使用できることが観察された。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 価格 ,  レビュー ,  近似法 ,  多義性 ,  在庫量 ,  応用プログラム ,  *モデル ,  *文脈 ,  ニュース ,  辞書 ,  単語 ,  機械学習 ,  *解析モデル
準シソーラス用語： Google ,  ツイッター ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： ストック ,  感情分析器 ,  傾向 ,  辞書アプローチ ,  Lexiconアプローチ ,  単語埋め込み ,  Twitter ,  ニュース

分類 (3件)： 自然語処理  (JE06000L) ,  応用心理学  (AE02000A) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： 株 ,  傾向 ,  予測 ,  文脈 ,  感受性 ,  感情 ,  解析モデル ,  目標 ,  評価