Upgrade to Pro — share decks privately, control downloads, hide ads and more …

ADAPT at IJCNLP-2017 Task 4: A Multinomial Naive Bayes Classification Approach for Customer Feedback Analysis task

ADAPT at IJCNLP-2017 Task 4: A Multinomial Naive Bayes Classification Approach for Customer Feedback Analysis task

2018/08/21文献紹介の発表内容

Yuto Kamiwaki

August 20, 2018
Tweet

More Decks by Yuto Kamiwaki

Other Decks in Research

Transcript

  1. ADAPT at IJCNLP-2017 Task 4: A
    Multinomial Naive Bayes
    Classification Approach for
    Customer Feedback Analysis task
    長岡技術科学大学
    自然言語処理研究室
    上脇優人
    Pintu Lohar, Koel Dutta Chowdhury, Haithem
    Afli, Mohammed Hasanuzzaman and Andy Way
    Proceedings of the 8th International Joint
    Conference on Natural Language Processing,
    Shared Tasks, 2017, pages 161–169
    8月文献紹介

    View full-size slide

  2. Abstract
    •より良い製品を作るには,顧客の意見分析が重要.
    •この論文では,4カ国語のMicrosoft Officeのフ
    ィードバックを分析.
    •分類は,コメント・リクエスト・バグ・苦情・それ以
    外で分類.
    •このタスクへのアプローチ手法は,3種類.
    • 多項式マルチラベルのためのナイーブベイズ(MNB)アプ
    ローチ
    • MNBとone-vs-rest分類器アプローチ
    • 組み合わせマルチラベル分類の感情の分類アプローチ
    2

    View full-size slide

  3. Introduction
    •本研究は,Microsoft research project
    の一部.
    •Sentiment classificationでは,
    automatic sentiment analysis toolを
    使用.
    •MNBとone-vs-rest分類器アプローチが一番
    有用な方法であった.スコアでは,日本語とフ
    ランス語の3位と5位である.
    3

    View full-size slide

  4. Customer feedback analysis
    •フィードバックの分類としては,PNの分類があ
    る.
    •しかし,多くのフィードバックは機密文書にな
    り,かつ,分類法も多くあるが公開されていな
    い.
    •国際的な顧客フィードバック分析のためのオー
    プンなリソースを提供するために,IJCNLP-
    2017は,提案された5クラスの意味の分類を注
    釈スキームとして用いてコーパスを作成した.
    4

    View full-size slide

  5. Experiments
    •英語以外の言語については,英語のフィードバ
    ックに最適な出力を生成する方法を適用する.
    •これに加えて,スペイン語・フランス語・日本
    語のフィードバックを英語に翻訳して,この方
    法を適用する.
    6

    View full-size slide

  6. MNB classification
    •MNBは,特徴ごとに多項分布を使用するNaive
    Bayes分類子の特定のインスタンス.
    •この分類方法では,各ラベルごとに文書の確率を計算
    し,確率を最大にするために特徴が多項分布であると
    仮定して生成Naive Bayesの原理を考慮することに
    よって分布を推定する.
    •このタスクでは,最初にMNB分類法を適用してトレー
    ニングデータセット全体を1ステップでラベル付けし
    た.
    •反復処理も実行.
    7

    View full-size slide

  7. MNB with one-vs-rest approach
    8

    View full-size slide

  8. Multilabel classifier with
    sentimentclassification
    9

    View full-size slide

  9. Multilabel classifier with
    sentimentclassification
    10

    View full-size slide

  10. Conclusions
    • 本研究では,多項式naive bayesアルゴリズム,多言語
    分類とセンチメント解析技術を組み合わせて,4ヶ国語の
    顧客フィードバックのタグを識別する方法を提示した.
    • 当初は,顧客フィードバックのための3つの異なるアプロ
    ーチを英語で分類した.
    • 次に、最高得点を出したこれらのアプローチの1つを選択
    し,それを英語以外の言語に適用した.
    • これに加えて,フィードバックの翻訳に関してもシステム
    をテストした.
    • 本研究のシステムは,すべての言語で競争力のある結果を
    生み出し,F1スコアでそれぞれ3位と5位を確保しました。
    14

    View full-size slide

  11. Future work
    •今後は,結果に影響を与えるために他の言語に
    も適用する予定.
    •また,他の効率的な機械学習技術を用いたフレ
    ームワークの研究を拡張し,センチメントアナ
    ライザの利点を利用して新しいアルゴリズムを
    開発し,予測に効果的に使用できるようにする
    予定.
    15

    View full-size slide