文献

J-GLOBAL ID：202202271818687367   整理番号：22A0980349

感情分析のためのBERT:予訓練および微調整代替【JST・京大機械翻訳】

BERT for Sentiment Analysis: Pre-trained and Fine-Tuned Alternatives

著者 (2件)： Souza Frederico Dias (Electrical Engineering Program, Federal University of Rio de Janeiro, Rio de Janeiro, Brazil) ,  Filho Joao Baptista de Oliveira e Souza (Electrical Engineering Program, Federal University of Rio de Janeiro, Rio de Janeiro, Brazil)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13208  ページ： 209-218  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  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： BERTは,複雑なテキストパターンを捕捉することができる大きな言語モデルによる転送学習を可能にすることにより,NLP分野を革命し,NLPアプリケーションの表現数に対する最先端技術に達する。テキスト分類タスクに対して,BERTは既に広く探索されてきた。しかし,BERT出力層によって提供される異なる埋込みと多言語モデルの代わりに言語仕様の使用をいかに良好に対処するかのような側面は,特にブラジルのポルトガル語に対して,文献において十分に研究されていない。この論文の目的は,感情解析タスクに焦点を絞って,BERT出力層で生成された特徴を集約するための異なる戦略に関する広範な実験的研究を行うことである。実験には,ブラジルポルトガルコーパスと多言語版で訓練されたBERTモデル,多重集約戦略,および事前定義訓練,検証,および試験分割によるオープンソースデータセットを,結果の再現性を容易にするために,含んだ。BERTは,TF-IDFと比較して,大多数の症例に対して最も高いROC-AUC値を達成した。それにもかかわらず,TF-IDFは予測性能と計算コストの間の良好なトレードオフを示す。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  感情 ,  言語 ,  分類 ,  自然言語処理 ,  多重化 ,  応用プログラム ,  モデル ,  機械学習 ,  *コーパス ,  言語モデル
準シソーラス用語： テキスト分類 ,  ポルトガル語 ,  多言語 ,  計算コスト ,  オープンソース , 【Automatic Indexing@JST】

著者キーワード (5件)： 感情分析 ,  自然言語処理 ,  機械学習 ,  転移学習 ,  変圧器

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

タイトルに関連する用語 (5件)： 感情分析 ,  BERT ,  訓練 ,  微調整 ,  代替