1V-06
テキスト感情分析におけるマルチタスク学習の有効性
近年,テキストから感情を分析する感情分析と呼ばれる技術の研究が盛んに行われている.
感情分析はネガポジ,多クラスに分類する手法に大別されるが,後者の手法は教師データの不足により高い精度を出すことが困難である.
学習データの不足を補うことで,近年高い精度をあげている深層学習などにも適用が可能となり精度の向上が図れると考えられる.
そこで,本稿では絵文字と感情のマルチタスク学習モデルを提案する.
本手法では絵文字から作成した疑似ラベルのデータセットを用いることでデータの拡張を行い多クラス感情分析の精度向上を目指す.
感情分析はネガポジ,多クラスに分類する手法に大別されるが,後者の手法は教師データの不足により高い精度を出すことが困難である.
学習データの不足を補うことで,近年高い精度をあげている深層学習などにも適用が可能となり精度の向上が図れると考えられる.
そこで,本稿では絵文字と感情のマルチタスク学習モデルを提案する.
本手法では絵文字から作成した疑似ラベルのデータセットを用いることでデータの拡張を行い多クラス感情分析の精度向上を目指す.