| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2016-06-04 16:50 図書に言及するツイートの抽出 ～ 素性・データ量・手法の効果に関する考察 ～ ○矢田竣太郎・影浦 峡（東大）  TL2016-7 NLC2016-7 |
|
| 抄録 | （和） | 本発表論文では、日本語図書の書名と同一の文字列を含むツイートから、実際に図書に言及するツイートを抽出する分類器を開発する取り組みについて報告する。 筆者らはこれまでに、Bag of Words をベースとした複数の素性の組み合わせの下、対数線形モデルを用いた分類器でF値約0.7の性能を達成しているが、さらなる性能の向上を目指している。 本研究では、読書に関するキーワードを用いた簡易な方法で増補した学習データ、及びLSAを用いた次元圧縮が分類性能に与える影響の分析を行った。 また次元圧縮に関連して、活性化関数にシグモイド関数を用いた多層パーセプトロンと試験的に性能を比較した。 |
| （英） | We report performances of a classifier that identify Tweets that Mention Books (TMB) from tweets that contain the same strings as book titles in Japanese. The classifier we developped performed reasonably good in terms of F1-measure (about 0.7) with the combination of Maximum Entropy Modelling and a Bag-of-Words based feature set. In this paper, in order to improve our classifier, we analyse effects to classification performance, of (1) training data augmentation using a simple search based method with book/reading related keywords, and of (2) feature dimension reduction via Latent Semantic Analysis (LSA). In addition, we compare our classifier to Maltilayer Perceptron activated by Sigmoid function in terms of feature dimension reduction on a trial basis. |
|
| キーワード | （和） | Twitter / 固有表現抽出 / 分類 / 対数線形モデル / 多層パーセプトロン / / / |
| （英） | Twitter / Named Entity Recognition / Classification / Logistic Regression / Maximum Entropy Modelling / Multilayer Perceptron / / | |
| 文献情報 | 信学技報, vol. 116, no. 78, NLC2016-7, pp. 29-34, 2016年6月. | |
| 資料番号 | NLC2016-7 | |
| 発行日 | 2016-05-28 (TL, NLC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | TL2016-7 NLC2016-7 |
|
| 研究会情報 | |
| 研究会 | NLC TL |
| 開催期間 | 2016-06-04 - 2016-06-05 |
| 開催地（和） | 小樽商科大学 |
| 開催地（英） | Otaru University of Commerce |
| テーマ（和） | 言語処理・言語分析の社会応用，および一般 |
| テーマ（英） | Application of natural language proessing and linguistic analysis, and general topic of NLP |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLC |
| 会議コード | 2016-06-NLC-TL |
| 本文の言語 | 日本語 |
| タイトル（和） | 図書に言及するツイートの抽出 |
| サブタイトル（和） | 素性・データ量・手法の効果に関する考察 |
| タイトル（英） | Identification of Tweets that Mention Books |
| サブタイトル（英） | Effects of Features, Data Size, and ML Algorithms |
| キーワード(1)（和/英） | Twitter / Twitter |
| キーワード(2)（和/英） | 固有表現抽出 / Named Entity Recognition |
| キーワード(3)（和/英） | 分類 / Classification |
| キーワード(4)（和/英） | 対数線形モデル / Logistic Regression |
| キーワード(5)（和/英） | 多層パーセプトロン / Maximum Entropy Modelling |
| キーワード(6)（和/英） | / Multilayer Perceptron |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 矢田 竣太郎 / Shuntaro Yada / ヤダ シュンタロウ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 影浦 峡 / Kyo Kageura / カゲウラ キョウ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-06-04 16:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLC |
| 資料番号 | TL2016-7, NLC2016-7 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.77(TL), no.78(NLC) |
| ページ範囲 | pp.29-34 |
| ページ数 | 6 |
| 発行日 | 2016-05-28 (TL, NLC) |
[研究会発表申込システムのトップページに戻る]