學位論文

Browse

Now showing 1 - 1 of 1

Twitter使用者之立場偵測：基於目標集子集的分而治技術應用於深度學習方法
(2018) 張瀞云; Chang, Ching-Yun
　　「立場」這個概念是模糊的。在人們用文字表達的敘述裡，可能包含正向或負向的情緒詞彙、肯定或否定的語氣，但這些特徵都不是直接與立場相關聯。人們可以透過支持一個對象來反對特定目標(明喻)，也可以藉由反諷一個對象來反對特定目標(暗喻)。在本研究中，將已標記立場標籤、來自Twitter使用者所撰寫的推文(Tweet)當作訓練資料，使用監督式學習的方式訓練深度神經網路(Deep Neural Network)。　　本論文提出了一個新的訓練方法，將訓練資料依據主題(Target)分割成五個子集，這五個子集作為主題集(Target Set)的元素，然後以這個主題集的所有子集(Subsets of the Target Set)當作訓練資料來訓練模型。換句話說，即為相異主題間的搭配訓練，本文稱之為“組合式學習(Combination Learning)＂。所有子集的組合式學習完成後，再從中挑選出對於每個主題表現最佳的模型，最後整合其結果，此方式稱為“分而治之(Divide-and-Conquer)＂。　　在SemEval 2016 Task 6之子任務A中，本研究使用監督式框架來偵測Twitter使用者的立場，實驗結果的F1-score為70.24%，優於所有此任務的參賽隊伍。