| 松�癲〜鏤� | M | 情報基盤システム学 | 藤川 和利 | 山口 英 | 猪俣 敦夫 | |
|
発表題目：DTN環境を考慮した高密度センサネットワークからのセンサデータ収集手法の提案
Delay/Disruption Netowork(DTN)環境下に設置されたセンサからセンサデータを収集する際には、一般的なDTNルーティング手法では効率的にセンサデータを収集することがきない。収集したセンサデータもまたセン サ毎に収集量が異なる問題がある。本発表では、センサデータの収集量の違いを低減する収集手法を提案する。 | ||||||
| 吉田 康久 | M | 自然言語処理学 | 松本 裕治 | 池田 和司 | 新保 仁 | 浅原 正幸 |
|
発表題目：Transfer Learning for Multiple-Domain Sentiment Analysis:Identifying Domain Dependent/Independent Word Polarity
Sentiment analysis is the task of determining the attitude (positive or negative) of documents. While the polarity of words in the documents is informative for this task, polarity of some words cannot be determined without domain knowledge. Detecting word polarity thus poses a challenge for multiple-domain sentiment analysis. Some previous approaches tackle this problem with transfer learning techniques, but they cannot handle multiple source domains and multiple target domains. We propose a new Bayesian probabilistic model to handle multiple source and multiple target domains. In this model, each word is associated with three factors: Domain label, domain dependency indicator variable and word polarity. We derive an efficient algorithm using Gibbs sampling for inferring the parameters of the model, from both labeled and unlabeled texts. Using real data, we demonstrate the effectiveness of our model in a document polarity classification task compared with a method not considering the differences between domains. Moreover our method can also tell whether each word’s polarity is domain-dependent or domain-independent. This feature allows us to construct a word polarity dictionary for each domain. | ||||||