神経テキストセグメンテーションと感情解析への応用【JST・京大機械翻訳】

Li Jing; Chiu Billy; Shang Shuo; Shao Ling

文献

J-GLOBAL ID：202202270639859753 整理番号：22A0456586

神経テキストセグメンテーションと感情解析への応用【JST・京大機械翻訳】

Neural Text Segmentation and its Application to Sentiment Analysis

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0456586&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0456586&from=J-GLOBAL&jstjournalNo=T0838A") }}

著者 (4件)： , , ,
資料名：
巻： 34 号： 2 ページ： 828-842 発行年： 2022年
JST資料番号： T0838A ISSN： 1041-4347 CODEN： ITKEEH 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)

テキストセグメンテーションは自然言語処理における基本的タスクである。粒状性のレベルに依存して,タスクは文書を局所セグメントに区分するか,あるいは文章を基本ディスコースユニット(EDU)にセグメント化するものとして定義できる。2つのタスクに対する伝統的解決策は,注意深く設計された特徴に大きく依存した。最近提案されたニューラルモデルは手動特徴工学を必要としないが,それらはスパース境界タグに悩まされ,あるいは可変サイズ出力語彙の問題を効率良く取り扱うことができない。このような限界を考慮して,著者らは,入力テキストシーケンスを符号化するために双方向性再帰ニューラルネットワークを使用する,SEGBOTS EG BO OTの汎用エンドツーエンドセグメンテーションモデルを提案した。次に,SEGBOTS EG B OTは,入力シーケンスにおけるテキスト境界を選択するために,ポインタネットワークと共に別の再帰ニューラルネットワークを使用する。この方法で,SEGBOTS EG B OTは手作業の特徴を必要としない。さらに重要なことに,SEGBOTS EG B OTは本質的に可変サイズの出力語彙の課題とスパース境界タグの問題を扱う。著者らの実験では,SEGBOTS EG B OTは,文書レベルトピックセグメンテーションと文章レベルEDUセグメンテーションという2つのタスクに関して最先端のモデルより優れている。下流応用として,SEGBOTS EG B OTの成果に基づく文章レベル感情解析のための階層的注意モデルを提案した。階層モデルは,文章レベル感情解析のために,同時に単語レベルとEDUレベル情報の両方を完全に利用することができた。特に,それは,EDUの内部特性のようなEDUレベル情報を効果的に利用することができ,それは単語レベル特徴で完全に符号化できない。実験結果は,著者らの階層的モデルが,Movie ReviewとStanford Sentiment Treebankベンチマークで新しい最先端の結果を達成することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

自然語処理 , パターン認識

, , , ,

前のページに戻る