文献

J-GLOBAL ID：202202283717120094   整理番号：22A1088248

感情解析のための重み付きクジラ最適化と注意ベース深層学習アプローチの組合せ【JST・京大機械翻訳】

Combined Weighted Whale Optimization and Attention-based Deep Learning Approach for Sentiment Analysis

著者 (2件)： Anuratha K. (Sri Sai Ram Institute of Technology,Chennai,TamilNadu,India) ,  Parvathy M. (Sethu Institute of Technology,Madurai,TamilNadu,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCCI  ページ： 1-7  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： インターネットの急速な発展は,製品を購入する電子商取引とオンラインショッピングポータルのロケット成長に不可欠な貢献を開いた。感情分析(SA)は,ユーザ満足度を改善するために,e-コマースとショッピングポータルに投稿されたユーザレビューを解析する方法である。近年,深層学習モデルをSAに適用した。本論文では,SAにおける極性検出のための,複合注意ベース深層モデルと加重クジラ最適化を提示した。過去と将来の状況の両方を,前面と後方の時間情報の流れに基づいて抽出した。注意機構(AM)は,異なる単語に高または低強調のどちらかを課すために,深いネットワークモデルにおける双方向層の出力段階で使用される。畳み込みとプール化機構を,位置不変特徴の特徴を縮小するために用いて,単語セグメンテーションを,単語に関する語義情報を得るために,入力シーケンスに関して実行した。データ特性を分析した後に特徴を抽出し,関連する特徴をランク付けした。概念ドリフトスコアを得て相関関係を分析した。重みづけクジラ最適化と深い注意に基づくRNNを利用して,事後レビューを3つのタイプに分類した:陽性(確認)レビュー,陰性(矛盾)レビューと中立レビュー。既存の分類手法との比較分析から,提案方法は,訓練に必要な高い分類精度,想起,Fスコア,および低いメモリ利用と時間を達成した。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： 記憶装置 ,  *最適化 ,  畳込み ,  購買 ,  セグメンテーション ,  ロケット ,  等級づけ ,  重みづけ ,  深層 ,  単語 ,  インターネット ,  電子商取引
準シソーラス用語： オンラインショッピング ,  ネットワークモデル ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 感情 ,  解析 ,  クジラ ,  最適化 ,  注意 ,  深層学習 ,  組合せ