文献

J-GLOBAL ID：202202292039882965   整理番号：22A1154633

マルチコアとGPUアーキテクチャを用いた感情解析のための長期短期メモリネットワークの性能向上【JST・京大機械翻訳】

Improving Performance of Long Short-Term Memory Networks for Sentiment Analysis Using Multicore and GPU Architectures

著者 (4件)： Kuenas Cristiano A. (Federal University of Rio Grande do Sul, Porto Alegre, Brazil) ,  Serpa Matheus S. (Federal University of Rio Grande do Sul, Porto Alegre, Brazil) ,  Padoin Edson Luiz (Regional University of Northwestern Rio Grande do Sul, Ijui, Brazil) ,  Navaux Philippe O. A. (Federal University of Rio Grande do Sul, Porto Alegre, Brazil)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1540  ページ： 34-47  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  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： 大量のデータが,Webサイト,ブログ,およびソーシャルネットワークを通してインターネット上で,企業とそれらの製品に関するコメントを含むすべての種類のコンテンツで生成される。感情分析(SA)はテキストにおける感情の解釈である。それは,顧客の意見を同定するのを助けるので,異なる企業にとって必須である。また,新しいコンテンツに対する人々の応答を理解することも有益であり,意思決定を助けるための聴取識見を提供する。しかし,現在の技術的進歩により,これらの膨大な量のデータを効率的に貯蔵し,検索し,異なる応用領域へのより良い洞察を可能にした。企業は,マーケティング決定を行うためにこの情報を使用する。応答において,精度を保つためにマルチコアとGPUを使用するSAのための性能最適化LSTMを提案した。筆者らの提案を検証するために,50,000のフィルム記録を持つ公共データベースにそれを適用した。結果は,マルチコアで3.17倍,GPUで12.15の性能改善を示した。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： 意思決定 ,  *感情 ,  データ ,  データベース ,  マーケティング ,  精度 ,  企業 ,  自然言語処理 ,  人工知能 ,  *計算機アーキテクチャ ,  インターネット ,  コンテンツ
準シソーラス用語： リカレントニューラルネットワーク ,  社会的ネットワーク ,  *マルチコアプロセッサ , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能応用 ,  感情分析 ,  自然言語処理 ,  リカレントニューラルネットワーク ,  マルチコア ,  GPU

分類 (2件)： 人工知能  (JE08000Z) ,  応用心理学  (AE02000A)

タイトルに関連する用語 (8件)： マルチコア ,  GPU ,  アーキテクチャ ,  感情 ,  解析 ,  長期 ,  短期 ,  性能向上