| 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 | 2020-12-17 11:15 A Novel Data Augmentation Framework Based on SeqGAN for Sentiment Analysis ○Jiawei Luo・Mondher Bouazizi・Tomoaki Ohtsuki（Keio Univ.）  PRMU2020-43 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Sentiment analysis is an important field in Natural Language Processing (NLP). It can analyze people's sentiment through their articles. On a related topic, machine learning has achieved high accuracy in sentiment analysis. However, it requires a large amount of high-quality training data that are hard to be collected. In this work, a novel data augmentation framework based on sequence generative adversarial networks (SeqGAN) is proposed to improve the sentiment analysis accuracy. In our framework, we conduct sentence compression and use a sentiment dictionary to retain the sentiment words for compressed data. The compressed data are used to train SeqGAN. We use the trained SeqGAN to generate artificial data for sentiment analysis. A classifier is used to discard generated data that may contain incorrect sentiment information. The results show that the proposed data augmentation framework helps SeqGAN generate high quality and novel text data. The data generated by the proposed framework improve the accuracy of the sentiment analysis classifier on some of the benchmark sentiment analysis dataset available. | |
| キーワード | （和） | / / / / / / / |
| （英） | data augmentation / sentiment analysis / machine learning / sentence compression / SeqGAN / / / | |
| 文献情報 | 信学技報, vol. 120, no. 300, PRMU2020-43, pp. 30-35, 2020年12月. | |
| 資料番号 | PRMU2020-43 | |
| 発行日 | 2020-12-10 (PRMU) | |
| ISSN | 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 | PRMU2020-43 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2020-12-17 - 2020-12-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 転移学習・少数データからの学習 |
| テーマ（英） | Transfer learning and few shot learning |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2020-12-PRMU |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | A Novel Data Augmentation Framework Based on SeqGAN for Sentiment Analysis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / data augmentation |
| キーワード(2)（和/英） | / sentiment analysis |
| キーワード(3)（和/英） | / machine learning |
| キーワード(4)（和/英） | / sentence compression |
| キーワード(5)（和/英） | / SeqGAN |
| キーワード(6)（和/英） | / |
| 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） | 羅 家偉 / Jiawei Luo / ラ カイ |
| 第1著者 所属（和/英） | 慶応義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | Mondher Bouazizi / Mondher Bouazizi / |
| 第2著者 所属（和/英） | 慶応義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 大槻 知明 / Tomoaki Ohtsuki / オオツキ トモアキ |
| 第3著者 所属（和/英） | 慶応義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-12-17 11:15:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2020-43 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.300 |
| ページ範囲 | pp.30-35 |
| ページ数 | 6 |
| 発行日 | 2020-12-10 (PRMU) |
[研究会発表申込システムのトップページに戻る]