『徳島大学 教育・研究者情報データベース (EDB)』---[学外] /
ID: Pass:

登録内容 (EID=335346)

EID=335346EID:335346, Map:0, LastModified:2018年3月19日(月) 09:32:18, Operator:[松本 和幸], Avail:TRUE, Censor:0, Owner:[松本 和幸], Read:継承, Write:継承, Delete:継承.
種別 (必須): 国際会議 [継承]
言語 (必須): 英語 [継承]
招待 (推奨):
審査 (推奨): Peer Review [継承]
カテゴリ (推奨): 研究 [継承]
共著種別 (推奨): 単独著作 (徳島大学内の単一の研究グループ(研究室等)内の研究 (単著も含む)) [継承]
学究種別 (推奨):
組織 (推奨):
著者 (必須): 1.松本 和幸 ([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
2.任 福継 ([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座]/->個人[中川 福継])
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
3.吉田 稔 ([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
4.北 研二 ([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
題名 (必須): (英) Review Score Estimation Based on Transfer Learning of Different Media Review Data  (日)    [継承]
副題 (任意):
要約 (任意): (英) In this paper, we proposed a model to classify reviews based on review data of different media. Recently, researches have been actively made on transfer learning between different domains with various kinds of big data as a target. Evaluation expressions are usually different in different domains, and this becomes a barrier for reputation analysis. Users usually use different linguistic expressions to refer to the creative works of each media. For example, media such as "anime", "comics", "games" and "movies" have different terms or expressions to be described their creative works. These differences can be considered showing features of each medium and such differences should be found in other expressions as well as in evaluation expressions. We analyzed what effect such differences would cause to classication accuracy by conducting transfer learning between review data ofdifferent media. In this paper, we proved compatibility between original (pre-transferring) and target (post-transferring) media for each medium of the creative works by constructing a review classication model. As a result of evaluation experiments, we could more accurately estimate review score without using SO-Score for training of review fragment based on Long Short Term Memory (LSTM) than the SO-Score based method.  (日)    [継承]
キーワード (推奨): 1. (英) review classification (日) レビュー分類 (読) [継承]
2. (英) transfer learning (日) 転移学習 (読) [継承]
3. (英) Long Short-Term Memory (日) (読) [継承]
4. (英) different media (日) 異メディア (読) [継承]
発行所 (推奨):
誌名 (必須): (英) Proceedings of The 12th International Conference on Natural Language Processing and Knowledge Engineering(NLP-KE'17) (日) (読)
ISSN (任意):
[継承]
(必須): [継承]
(必須): [継承]
(必須): 185 199 [継承]
都市 (必須):
年月日 (必須): 西暦 2017年 12月 7日 (平成 29年 12月 7日) [継承]
URL (任意):
DOI (任意):
PMID (任意):
NAID (任意):
WOS (任意):
Scopus (任意):
評価値 (任意):
被引用数 (任意):
指導教員 (推奨):
備考 (任意):

標準的な表示

和文冊子 ● Kazuyuki Matsumoto, Fuji Ren, Minoru Yoshida and Kenji Kita : Review Score Estimation Based on Transfer Learning of Different Media Review Data, Proceedings of The 12th International Conference on Natural Language Processing and Knowledge Engineering(NLP-KE'17), 185-199, (都市), Dec. 2017.
欧文冊子 ● Kazuyuki Matsumoto, Fuji Ren, Minoru Yoshida and Kenji Kita : Review Score Estimation Based on Transfer Learning of Different Media Review Data, Proceedings of The 12th International Conference on Natural Language Processing and Knowledge Engineering(NLP-KE'17), 185-199, (都市), Dec. 2017.

関連情報

Number of session users = 0, LA = 1.11, Max(EID) = 376494, Max(EOID) = 1008315.