文献

J-GLOBAL ID：201702281561817345   整理番号：17A0292613

短いテキスト感情分類のための特徴的トポロジー重合モデル【JST・京大機械翻訳】

Feature Polymeric Topology Model for Short-Text Sentiment Classification

著者 (6件)： Hu Yang (Faculty of Information Engineering and Automation,Kunming University of Science and Technology) ,  Feng Xupeng (Educational Technology and Network Center,Kunming University of Science and Technology) ,  Huang Qingsong (Faculty of Information Engineering and Automation,Kunming University of Science and Technology, Yunnan Key Laboratory of Computer Technology Applications) ,  Fu Xiaodong (Faculty of Information Engineering and Automation,Kunming University of Science and Technology) ,  Liu Li (Faculty of Information Engineering and Automation,Kunming University of Science and Technology) ,  Liu Lijun (Faculty of Information Engineering and Automation,Kunming University of Science and Technology)
資料名： Zhongwen Xinxi Xuebao  (Zhongwen Xinxi Xuebao)
巻： 30  号： 5  ページ： 28-35  発行年： 2016年 
JST資料番号： C2296A  ISSN： 1003-0077  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： 短いテキストのスパース性と特徴の分散の特徴により、短いテキストの感情分類効果は常にテキストテキストの感情分類とは異なり、この問題に対して、本論文は短文章の感情分類に向けた特徴のトポロジー重合モデルを提出した。まず第一に,特徴的相互情報,感情指向類似性,主題帰属の3つの次元から感情的特徴の関連度を計算して,次に,特徴的関連度に基づくトポロジー的聚合図モデルを確立して,グラフの上で強い連結成分の高相関度感情特性を解決する。大量の未注釈コーパスから類似特徴を抽出して訓練セットの特徴を補完し、同時に訓練空間の次元を低下させる。実験はモデルを短テキスト感情分類に適用し,標準アルゴリズムと比較して,分類精度と再現率はそれぞれ0.03と0.027に達した。モデルは,短いテキストのスパース性と特性の分散問題を緩和するために効果的であることを証明した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： コーパス ,  類似性 ,  アルゴリズム ,  *位相幾何学 ,  重合 ,  アノテーション
準シソーラス用語： 再現率 ,  分類精度 ,  連結成分 ,  スパース性 ,  *感情分類 ,  *テキスト , 【Automatic Indexing@JST】

著者キーワード (5件)： short-text ,  sentiment classification ,  features correlation ,  strongly connected components ,  topological polymerization

分類 (4件)： パターン認識  (JE07000S) ,  その他の情報処理  (JE15050M) ,  自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 感情分類 ,  トポロジー ,  重合 ,  モデル