Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Upcoming SlideShare
文献紹介:Fine-Grained Contextual Predictions for Hard Sentiment Words
Next
Download to read offline and view in fullscreen.

0

Share

Download to read offline

文献紹介:Bidirectional Inter-dependencies of Subjective Expressions and Targets and their Value for Joint Model

Download to read offline

動画
http://youtu.be/TgoJsgT2CsA?list=UUhwtfJp9l_thFbFDWXoGWEQ

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all
  • Be the first to like this

文献紹介:Bidirectional Inter-dependencies of Subjective Expressions and Targets and their Value for Joint Model

  1. 1. 文献紹介 2014/05/01 長岡技術科学大学 自然言語処理研究室 岡田正平
  2. 2. 紹介する文献 2
  3. 3. 文献情報 Roman Klinger and Philipp Cimiano. Bidirectional Inter-dependencies of Subjective Expressions and Targets and their Value for Joint Model. Proceedings of the 51st Annual Meeting of the ACL, pp. 848-854. 2013 3
  4. 4. 概要 • Opinion mining におけるsubjective expression とtarget の相互依存性を扱う – 既存研究は1方向しか扱っていない • 双方向の関係を扱うsubjective expression お よびtarget を抽出するモデルの提案 4
  5. 5. 背景 5
  6. 6. 背景 sentiment analysis やopinion mining  subjective term, polarity, targetの同定 e.g.) I like the low weight of the camera. subjective:“like”target:“low weight” polarity:positive • これらは相互依存関係にあるのでは? 6
  7. 7. 扱う問題 • subject termについての知識が完全な場合と 不完全な場合の比較 • targetについての知識が完全な場合のsubject termの予測への影響 • targetについての知識が不完全な場合はどう か(学習したモデルからの予測) 7
  8. 8. IMPERATIVELY DEFINEDFACTOR GRAPH 8
  9. 9. Factor Graph • factor とvariable からなる2部グラフ • 多変数関数のfactorize に対応 9 wikipedia“factor graph” より転載 푔푋1,푋2,푋3=푓1푋1푓2푋1,푋2푓3푋1,푋2푓4(푋2,푋3)
  10. 10. Factor Graph • ベイズ推定の応用(誤り訂正など)に用い られるらしい • NLPではn-gram言語モデルとか? 10
  11. 11. Imperatively Defined Factor Graph • variable に入力変数集合xと出力変数集合y がある • 入出力変数の部分集合x푖,y푖を引数とする関 数푓푖x푖,y푖がfactor Ψ푖 • 言い換えれば,(x푖,y푖)から得られる特徴量が factor? 11
  12. 12. Imperatively Defined Factor Graph A factor template푇푗consists of parameters{휃푗푗}, sufficient statistic functions{푓푗푗}, and a descriptionof an arbitrary relationship between variables, yielding a set of tuples x푖,y푖(元の文献より引用) • ここ(特にdescription が何か)の理解が不十分 12
  13. 13. Imperatively Defined Factor Graph • 確率分布が次式で表現される • 푝yx= 1 푍(x) ΠΠexp(Σ휃푗푗푓푗푗(x푖,y푗)) 퐾푗 푘=1x푖,y푖∈푇푗푇푗∈T • 全factor とパラメータの線形結合 13
  14. 14. 抽出モデル 14
  15. 15. Model | variable • variable はsubjective term とtarget • 複数トークンからなる表現に対応すべく span として表現 • 푠=푙,푟,푐 푙,푟はトークン列中のspan の左端・右端の位置 푐∈{target,subjective} 15
  16. 16. Model | factor template • factor template は大きく分けて2種類 – single span template – inter-span template 16
  17. 17. Model | single span template • トークンのPOSタグ(POS) • トークンの文字列(小文字)(W) • トークンのPOSタグ&文字列の組み合わせ (POS-W) • span内のPOSタグ列(POS-SEQ) 17
  18. 18. Model | inter-span template • 以下の3つと,single span template の組合わせ – target のspan がsubjective term に隣接する名詞を 含むか([NO-]CLOSE-NOUN-x) – 他クラスのspan が同じ文中に存在するか([NO- ]BOTH-x) – target とsubject 間に単一の係り受け関係があるか ([NO-]ONE-EDGE-x) 18
  19. 19. 例(元の文献より転載) 19
  20. 20. Model | サンプリング • MCMC法により推定を行う • 1回のサンプルごとに各span はclass を変え られるか,1トークン分伸ばすか縮められる 20
  21. 21. 実験 21
  22. 22. 対象データ • J.D. Power and Associates Sentiment Corpora – 車とカメラについてのblog – subjective term とtarget についてアノテート済 • Twitter data set – Stanford parser を用いないため,ONE-EDGEの 特徴量は使えない 22
  23. 23. 実験項目 1. subjective term の推定→ target の推定 2. target の推定→ subjective term の推定 3. 完全なsubjective term の知識を利用した target の推定 4. 完全なtarget の知識を利用したsubjective term の推定 23
  24. 24. 実験結果| camera data set 24
  25. 25. 実験結果| car data set 25
  26. 26. 実験結果| Twitter data set 26
  27. 27. まとめ • subjective term とtargetは相互に依存して いることが認められた • その影響の仕方は非対称的だった • パイプライン的に処理する場合には,先に subjective term を推定した方がいい 27

動画 http://youtu.be/TgoJsgT2CsA?list=UUhwtfJp9l_thFbFDWXoGWEQ

Views

Total views

495

On Slideshare

0

From embeds

0

Number of embeds

9

Actions

Downloads

2

Shares

0

Comments

0

Likes

0

×