文献

J-GLOBAL ID：201702288718309635   整理番号：17A0354245

主題モデルに基づく( ,RATING)要約生成手法の研究【JST・京大機械翻訳】

( Aspect,Rating) Summarization Based on Topic Model

著者 (4件)： Lu Pin (School of Electronic and Information,Shanghai Dianji University) ,  Wang Xing (School of Electronic and Information,Shanghai Dianji University) ,  Luo Yiyuan (School of Electronic and Information,Shanghai Dianji University) ,  Ji Chunlei (School of Electronic and Information,Shanghai Dianji University)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 44  号： 12  ページ： 3036-3043  発行年： 2016年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  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： 本論文では,フレーズパラメータ学習に基づく主題モデルモデル( MODEL BASED ON PHRASE PARAMETER)を提案し,オンラインコメントにおいて評価された実体のアスペクトとそれに対応するRATINGを抽出した。TMPPには三つの特徴がある。1)レビューは「フレーズバッグ」で表される。2)標準のLDAにおいて文書-主題を表すパラメータを((, RATING)集合に拡張する。3)事前知識を融合した。TMPPモデルパラメータの物理的意味、モデルの生成過程及び事前知識の獲得と表示方法を紹介した。本論文では,TMPPモデルにおける事前知識を使用する理由と利点,TMPPモデルの抽出(アスペクト,クラス),および形成(要約)の要約の原理を紹介した。実際のオンライン製品評価データを実験対象として、実験過程に事前知識の方面識別分析と等級予測精度分析を導入し、五種類の製品の関連方面と対立する感情語の実験結果を示した。既存のベースライン方法と比較することによって、実験により、評論に一つの全体のレベルがあり、TMPPが高品質の(アスペクト, RATING)の要約を産生できることが分かった。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 基準線 ,  *判別分析
準シソーラス用語： 予測精度 ,  製品評価 ,  オンライン ,  モデルパラメータ ,  事前知識 ,  パラメータ学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： topic model ,  (aspect ,  rating)summarization ,  bag-of-phrase ,  topic model based on phrase parameter(TMPP)

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： 主題 ,  モデル ,  手法 ,  研究