文献

J-GLOBAL ID：202202272723640166   整理番号：22A1172138

RecogNet-LSTM+CNN:アスペクトカテゴリー化および感情分類のための注意機構を有するハイブリッドネットワーク【JST・京大機械翻訳】

RecogNet-LSTM+CNN: a hybrid network with attention mechanism for aspect categorization and sentiment classification

著者 (2件)： Ramaswamy Srividhya Lakshmi (Department of Computer Science and Engineering, R.M.K College of Engineering and Technology, Anna University, Chennai, India) ,  Chinnappan Jayakumar (Department of Computer Science and Engineering, Sri Venkateswara College of Engineering, Anna University, Chennai, India)
資料名： Journal of Intelligent Information Systems  (Journal of Intelligent Information Systems)
巻： 58  号： 2  ページ： 379-404  発行年： 2022年 
JST資料番号： W0453A  ISSN： 0925-9902  資料種別： 逐次刊行物 (A)
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： ユーザレビューのための感情解析は,近年,かなり heった。自然言語処理(NLP)アプリケーションには多くの深層学習モデルがある。長い短期メモリ(LSTM)と畳込みニューラルネットワーク(CNN)ベースのモデルは,感情精度を効率的に強化する。アスペクトレベル感情解析は,アスペクト抽出,アスペクト分類,および極性分類を含む。データセットにおける側面感情は,アスペクト感情に関連する極性スコアに依存して,正,負,および中立として分類される。LSTMとCNNを組み合わせた既存のニューラルアーキテクチャは,感情分類のためのデータセットからの暗黙情報のみを使用する。代わりに,本論文では,感情精度を imp副するために,LSTMモデルの暗黙情報と外部データベース(RecogNet)からの明示的知識の統合を強調した。RecogNet知識ベースからLSTMへの送付と意味的手がかりを組み込むことは,アスペクト抽出と分類効率を増加させる。さらに,分類精度をさらに高めるために,RecogNet-LSTM層上のターゲットと位置注意機構によってCNNを実行した。最後に,レストラン,ラップトップ,および位置に関連する5つのオンラインデータセットを用いて,モデル評価を行った。LSTMベースのハイブリッドモデルの中で,注意機構を有するRecogNet-LSTM+CNNモデルは,アスペクト分類と意見分類において優れた性能を示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  感情 ,  情報 ,  データベース ,  ニューラルネットワーク ,  精度 ,  意見 ,  *自然言語処理 ,  レストラン ,  応用プログラム ,  モデル ,  知識ベース ,  機械学習
準シソーラス用語： ハイブリッドモデル ,  オンライン ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 感情分析 ,  RecogNet ,  長期短期記憶 ,  畳込みニューラルネットワーク ,  注意機構

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： カテゴリー化 ,  感情分類 ,  注意 ,  ハイブリッドネットワーク