Open magicpieh28 opened 5 years ago
Author: Erion Cano, Maurizio Morisio Link: https://arxiv.org/pdf/1902.00753.pdf
ツイッター・歌の歌詞・映画レビューなどの感情分析での単語Embeddingの性能を、訓練手法・訓練コーパスサイズ・テーマごとの関係性などの要素ごとにその影響力を調べた研究。 単語類推（word analogy）研究においてGloVe・Word2Vecの性能を図るための研究。 感情分析や似た文書を探索するタスクを持って研究を行なっている研究者たちにガイドラインが示せられると思う。
ツイッターの感情分析 lexicon based: [7],[36] deep learning: [31],[37] etc.
歌詞の感情分析 lexicon based: [39] etc.
映画・製品レビュー deep learning: [35],[12] 本論文の手法をもっとモニタ関連研究：[18] very popular in sentiment analysis：[11],[28]
本論文のTable1を参照
means of lexiconsや特定訓練手法はより性能のいい単語embeddingsを生成できる。 単語類推タスクにおいて最もいい性能を見せたのは：multi multi-thematicのテキストコーパスを用いたモデルでの実験であった。
いくつかのテーマを持っているテキストで訓練したモデルは、豊富な辞書を生成するので、構文論的・意味論的単語の比喩問題に最もいい結果を示した。 感情分析タスクにおいて、訓練手法と訓練コーパスサイズの間には強い関連性があることがわかったが、訓練コーパスのテーマがどんなものなのかとはあまり関連性がないことがわかった。
http://softeng.polito.it/erion/
about this paper
Author: Erion Cano, Maurizio Morisio Link: https://arxiv.org/pdf/1902.00753.pdf
ツイッター・歌の歌詞・映画レビューなどの感情分析での単語Embeddingの性能を、訓練手法・訓練コーパスサイズ・テーマごとの関係性などの要素ごとにその影響力を調べた研究。 単語類推（word analogy）研究においてGloVe・Word2Vecの性能を図るための研究。 感情分析や似た文書を探索するタスクを持って研究を行なっている研究者たちにガイドラインが示せられると思う。
questions
related works
ツイッターの感情分析 lexicon based: [7],[36] deep learning: [31],[37] etc.
歌詞の感情分析 lexicon based: [39] etc.
映画・製品レビュー deep learning: [35],[12] 本論文の手法をもっとモニタ関連研究：[18] very popular in sentiment analysis：[11],[28]
experiments
datasets
本論文のTable1を参照
preprocessing
settings
discussion
means of lexiconsや特定訓練手法はより性能のいい単語embeddingsを生成できる。 単語類推タスクにおいて最もいい性能を見せたのは：multi multi-thematicのテキストコーパスを用いたモデルでの実験であった。
conclusion
いくつかのテーマを持っているテキストで訓練したモデルは、豊富な辞書を生成するので、構文論的・意味論的単語の比喩問題に最もいい結果を示した。 感情分析タスクにおいて、訓練手法と訓練コーパスサイズの間には強い関連性があることがわかったが、訓練コーパスのテーマがどんなものなのかとはあまり関連性がないことがわかった。
code
http://softeng.polito.it/erion/