ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング


インデックスリンク

インデックスツリー

  • RootNode

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 研究報告
  2. 自然言語処理(NL)
  3. 2008
  4. 33(2008-NL-184)

文の感情極性判定における事例重み付けによるドメイン適応

https://ipsj.ixsq.nii.ac.jp/records/47730
https://ipsj.ixsq.nii.ac.jp/records/47730
c172070a-e2b1-4cb1-a57f-947a1b0fface
名前 / ファイル ライセンス アクション
IPSJ-NL08184010.pdf IPSJ-NL08184010.pdf (652.5 kB)
Copyright (c) 2008 by the Information Processing Society of Japan
オープンアクセス
Item type SIG Technical Reports(1)
公開日 2008-03-28
タイトル
タイトル 文の感情極性判定における事例重み付けによるドメイン適応
タイトル
言語 en
タイトル Domain Adaptation in Sentiment Classification by Instance Weighting
言語
言語 jpn
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_18gh
資源タイプ technical report
著者所属
東京工業大学大学院総合理工学研究科知能システム科学専攻
著者所属
東京工業大学精密工学研究所
著者所属
東京工業大学精密工学研究所
著者所属(英)
en
Department of Computational Intelligence and Systems Science,Interdisciplinary Graduate School of Science and Engineering,Tokyo Institute of Technology
著者所属(英)
en
Precision and Intelligence Laboratory, Tokyo Institute of Technology
著者所属(英)
en
Precision and Intelligence Laboratory, Tokyo Institute of Technology
著者名 齋木陽介 高村, 大也 奥村, 学

× 齋木陽介 高村, 大也 奥村, 学

齋木陽介
高村, 大也
奥村, 学

Search repository
著者名(英) Yosuke, Saiki Hiroya, Takamura Manabu, Okumura

× Yosuke, Saiki Hiroya, Takamura Manabu, Okumura

en Yosuke, Saiki
Hiroya, Takamura
Manabu, Okumura

Search repository
論文抄録
内容記述タイプ Other
内容記述 文の感情極性判定のための分類器のドメイン適応の手法を提案する. これは 適応元ドメインの訓練データが大量に手元にあるが 適応元ドメインとは分布が異なる適応先ドメインでは訓練データが少ない状況で 適応先ドメインの文の感情極性判定を行う問題である.本研究では 重み付き最大エントロピーモデルを提案する. このモデルは 事例に対して重みを付けた重み付き対数尤度の最大化問題を解くことで求める. この方法は 訓練時とテスト時で事例の分布が異なる共変量シフト下での学習方法の一つである. また unigramモデルを補正した確率を用いて事例に重み付けする手法も提案する. これらを文の感情極性判定のドメイン適応の問題に適用し 有効であることを示した.
論文抄録(英)
内容記述タイプ Other
内容記述 We propose a method of domain adaptation for sentiment classification. In this task, we are to learn a sentiment classifier on the condition that we have access to a relatively large training dataset from the source domain, but only a small training dataset from the target domain. We propose the weighted maximum entropy model for this task. This model is obtained by maximizing the weighted log-likelihood and can be regarded as a classifier trained under covariate shift. We also propose a method for calculating the weight on each instance with the calibrated probability of word unigram model. Through experiments of sentiment classification, we empirically show that the proposed method makes use of training instances from the source domain and improves the classification accuracy of sentiment classification.
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AN10115061
書誌情報 情報処理学会研究報告自然言語処理(NL)

巻 2008, 号 33(2008-NL-184), p. 61-67, 発行日 2008-03-28
Notice
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-22 08:51:19.875684
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3