論文の概要: DeepSentiPers: Novel Deep Learning Models Trained Over Proposed
Augmented Persian Sentiment Corpus
- arxiv url: http://arxiv.org/abs/2004.05328v1
- Date: Sat, 11 Apr 2020 07:45:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 10:00:43.220690
- Title: DeepSentiPers: Novel Deep Learning Models Trained Over Proposed
Augmented Persian Sentiment Corpus
- Title（参考訳）: DeepSentiPers: 強化されたペルシャ感覚コーパスでトレーニングされた新しいディープラーニングモデル
- Authors: Javad PourMostafa Roshan Sharami, Parsa Abbasi Sarabestani, Seyed
Abolghasem Mirroshandel
- Abstract要約: 本稿では,ペルシャ語文レベルでの意見の抽出方法に焦点をあてる。
本稿では,双方向LSTMとCNNを組み合わせた2つの新しいディープラーニングアーキテクチャを提案する。
低リソースペルシャ感情コーパスのための3つのデータ強化手法を提案する。
- 参考スコア（独自算出の注目度）: 4.6453787256723365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper focuses on how to extract opinions over each Persian
sentence-level text. Deep learning models provided a new way to boost the
quality of the output. However, these architectures need to feed on big
annotated data as well as an accurate design. To best of our knowledge, we do
not merely suffer from lack of well-annotated Persian sentiment corpus, but
also a novel model to classify the Persian opinions in terms of both multiple
and binary classification. So in this work, first we propose two novel deep
learning architectures comprises of bidirectional LSTM and CNN. They are a part
of a deep hierarchy designed precisely and also able to classify sentences in
both cases. Second, we suggested three data augmentation techniques for the
low-resources Persian sentiment corpus. Our comprehensive experiments on three
baselines and two different neural word embedding methods show that our data
augmentation methods and intended models successfully address the aims of the
research.
- Abstract（参考訳）: 本稿では,ペルシャ語文レベルでの意見の抽出方法に焦点をあてる。
ディープラーニングモデルは、アウトプットの品質を高める新しい方法を提供します。
しかし、これらのアーキテクチャは、正確な設計だけでなく、大きな注釈付きデータを供給する必要がある。
私たちの知る限りでは、私たちは、よく注釈されたペルシャ感情コーパスの欠如に苦しむだけでなく、複数と二分分類の両方の観点からペルシャの意見を分類する斬新なモデルも持っています。
そこで本研究ではまず,双方向LSTMとCNNを組み合わせた2つの新しいディープラーニングアーキテクチャを提案する。
これらは、正確に設計され、両方のケースで文章を分類できる深い階層の一部である。
次に,低リソースペルシャ感情コーパスのためのデータ拡張手法を3つ提案する。
3つのベースラインと2つの異なるニューラルワード埋め込み法を包括的に実験した結果,データ拡張法と目的モデルが研究の目的にうまく対処できることが判明した。
関連論文リスト
- Capturing Style in Author and Document Representation [4.323709559692927]
著者と文書の埋め込みをスタイリスティックな制約で学習する新しいアーキテクチャを提案する。
本稿では,Gutenbergプロジェクトから抽出した文芸コーパス,Blog Authorship,IMDb62の3つのデータセットについて評価を行った。
論文 参考訳（メタデータ） (2024-07-18T10:01:09Z) - Dual-Alignment Pre-training for Cross-lingual Sentence Embedding [79.98111074307657]
本稿では,言語間文埋め込みのためのDAP(Dual-alignment pre-training)フレームワークを提案する。
そこで本研究では,一方の文脈化トークン表現を用いて翻訳相手を再構成する,新しい表現翻訳学習(RTL)タスクを提案する。
我々の手法は文の埋め込みを大幅に改善できる。
論文 参考訳（メタデータ） (2023-05-16T03:53:30Z) - Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。
我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。
また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
論文 参考訳（メタデータ） (2023-01-22T18:22:55Z) - Deep Depth Completion: A Survey [26.09557446012222]
我々は、読者が研究動向をよりよく把握し、現在の進歩を明確に理解するのに役立つ総合的な文献レビューを提供する。
ネットワークアーキテクチャ,損失関数,ベンチマークデータセット,学習戦略の設計面から,関連する研究について検討する。
室内および屋外のデータセットを含む,広く使用されている2つのベンチマークデータセットに対して,モデル性能の定量的比較を行った。
論文 参考訳（メタデータ） (2022-05-11T08:24:00Z) - Sentiment analysis in tweets: an assessment study from classical to
modern text representation models [59.107260266206445]
Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。
非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。
本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
論文 参考訳（メタデータ） (2021-05-29T21:05:28Z) - Sentiment Analysis for Sinhala Language using Deep Learning Techniques [1.0499611180329804]
本稿では,RNN,LSTM,Bi-LSTM,カプセルネットワークなどの標準シーケンスモデルの利用について,より包括的な研究を行った。
この4つのクラスに注釈を付けた15059年のシンハラのニュースコメントと、948万のトークンからなるコーパスのデータセットが公開されている。
論文 参考訳（メタデータ） (2020-11-14T12:02:30Z) - Hierarchical Bi-Directional Self-Attention Networks for Paper Review
Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。
具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。
我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文 参考訳（メタデータ） (2020-11-02T08:07:50Z) - Topic Adaptation and Prototype Encoding for Few-Shot Visual Storytelling [81.33107307509718]
トピック間一般化の能力をモデル化するためのトピック適応型ストーリーテラを提案する。
また,アトピー内導出能力のモデル化を目的とした符号化手法の試作も提案する。
実験結果から,トピック適応とプロトタイプ符号化構造が相互に利益をもたらすことが明らかとなった。
論文 参考訳（メタデータ） (2020-08-11T03:55:11Z) - A novel approach to sentiment analysis in Persian using discourse and
external semantic information [0.0]
自然言語で書かれた文書から個人の感情を抽出するための多くのアプローチが提案されている。
これらのアプローチの大半は英語に重点を置いているが、ペルシア語のような資源中心の言語は研究作業や言語資源の欠如に悩まされている。
ペルシア語におけるこのギャップのため、現在の研究はペルシア語に適用される感情分析の新しい手法を導入することを目的としている。
論文 参考訳（メタデータ） (2020-07-18T18:40:40Z) - Exploiting Contextual Information with Deep Neural Networks [5.787117733071416]
文脈情報は、暗黙的かつ明示的な2つの根本的に異なる方法で活用できることを示します。
この論文では、文脈情報を2つの根本的に異なる方法で活用できることを示し、暗黙的かつ明示的に示す。
論文 参考訳（メタデータ） (2020-06-21T03:40:30Z) - Structure-Augmented Text Representation Learning for Efficient Knowledge
Graph Completion [53.31911669146451]
人為的な知識グラフは、様々な自然言語処理タスクに重要な支援情報を提供する。
これらのグラフは通常不完全であり、自動補完を促す。
グラフ埋め込みアプローチ(例えばTransE)は、グラフ要素を密度の高い埋め込みに表現することで構造化された知識を学ぶ。
テキストエンコーディングアプローチ(KG-BERTなど)は、グラフトリプルのテキストとトリプルレベルの文脈化表現を利用する。
論文 参考訳（メタデータ） (2020-04-30T13:50:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。