文献

J-GLOBAL ID：202202278050575710   整理番号：22A1000926

自己注意機構に組み込まれた深さ学習感情解析手法【JST・京大機械翻訳】

Self-attention-based BGRU and CNN for Sentiment Analysis

著者 (4件)： Hu Yanli (国防科技大学信息系統工程重点実験室 長沙410073) ,  Tong Tanqian (国防科技大学信息系統工程重点実験室 長沙410073) ,  Zhang Xiaoyu (国防科技大学信息系統工程重点実験室 長沙410073) ,  Peng Juan (国防科技大学信息系統工程重点実験室 長沙410073)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 49  号： 1  ページ： 252-258  発行年： 2022年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： テキスト感情極性分析は,自然言語処理におけるホットスポットであり,近年,中国語コーパスに基づく感情解析方法は,学術界で広く注目されてきた。現在,単語ベクトルに基づく循環ニューラルネットワークと畳込みニューラルネットワークモデルは,テキスト特徴の抽出と保持能力が不足しているので,多層自己注意機構を導入した。双方向ゲート制御ループユニット(BGRU)とマルチ粒状性畳込みニューラルネットワークに基づく中国語感情極性解析法を提案した。まず第一に,BG-RUを用いてテキストの配列化特徴情報を取得し,次に,自己注意機構を用いて予備的な特徴選択を行い,次に,異なる畳込みカーネルを含む畳込みニューラルネットワークに処理特徴情報を導入した。自己注意機構を用いて,局所的特徴の動的重みの調整を行い,キー特徴の抽出を重視した。最後に,Softmaxによってテキスト感情極性を得た。実験結果は,このモデルが2種類の中国語コーパスデータセットで良い分析処理性能を示し,その中でChineseNLPcorpusのonline_shop-ping_10_catsデータセットで92.94%の感情分類精度を得た。中科院の朱松波学者が整理したホテルの評論データセットにおいて、92.75%の感情分類精度が得られ、現在の主流方法に比べ、その性能が著しく向上した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  ベクトル ,  *学習 ,  *感情 ,  ニューラルネットワーク ,  精度 ,  自然言語処理 ,  中国語 ,  特徴選択 ,  ホテル ,  粒状性 ,  ホットスポット ,  単語 ,  コーパス
準シソーラス用語： 分類精度 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 自己注意機構 ,  学習 ,  感情 ,  解析手法