文献

J-GLOBAL ID：202202277773841707   整理番号：22A0977884

深層学習による積層文脈化埋込みに基づくアラビア語アスペクト抽出【JST・京大機械翻訳】

Arabic Aspect Extraction Based on Stacked Contextualized Embedding With Deep Learning

著者 (3件)： Fadel Arwa Saif (Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University (KAU), Jeddah, Saudi Arabia) ,  Saleh Mostafa Elsayed (Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University (KAU), Jeddah, Saudi Arabia) ,  Abulnaja Osama Ahmed (Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University (KAU), Jeddah, Saudi Arabia)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 30526-30535  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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)

抄録/ポイント： インターネットの指数関数的成長および過去10年間のソーシャルメディアユーザの多倍増加は,非構造化データの大規模な成長をもたらした。アスペクトベース分析(ABSA)は,微細粒分析を実行するので挑戦的である。意見グループが側面に基づくテキスト解析技術である。アスペクト抽出(AE)タスクはABSAのコアサブタスクの1つである。それは,テキスト,コメント,またはレビューにおけるアスペクト用語の同定を助ける。アラビア語AEタスクの課題はアラビア語の複雑性により増加する。本研究では,最先端の事前訓練文脈言語モデルを用いて,転送学習を提案することにより,アラビアAEタスクを開発することを目的とした。アラビア語のためのより良い単語表現のための積層埋込み層として,変換者(BERT)言語モデルからの双方向エンコーダ表現と文脈化ストリング埋込み(Flair埋込み)を連結する。次に,それを異なる深層学習ネットワークアーキテクチャで拡張した。アラビアAEでは,シーケンスラベリングのために,拡張層,BiLSTM-CRFまたはBiGRU-CRFを有する文脈的積層埋込み層として,アラビア語文脈言語モデル,AraBERT,およびFlair埋込みを連結することによって,モデルを開発した。提案モデルはBF-BiLSTM-CRFとBF-BiGRU-CRFと呼ばれる。提案したモデルをアラビアホテルのレビューデータセットを用いて評価した。性能評価のために,F1スコアを使用した。実験結果は,提案したBF-BiLSTM-CRF構成が,79.7%のF1スコアを達成することによって,ベースラインと他のモデルより優れていることを示した。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】

シソーラス用語： *学習 ,  指数関数 ,  *東洋語 ,  符号器 ,  ホテル ,  モデル ,  *文脈 ,  単語 ,  性能評価 ,  インターネット ,  ネットワークアーキテクチャ ,  言語モデル
準シソーラス用語： *アラビア語 ,  ソーシャルメディア ,  テキスト解析 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 深層学習 ,  文脈 ,  埋込み ,  アラビア語