Deep Belief Networks with Feature Selection for Sentiment Classification

Conference proceedings article

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

ไม่พบข้อมูลที่เกี่ยวข้อง

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Ruangkanokmas P., Achalakul T., Akkarajitsakul K.

ปีที่เผยแพร่ (ค.ศ.): 2017

หน้าแรก: 9

หน้าสุดท้าย: 14

จำนวนหน้า: 6

ISBN: 9781509006649

นอก: 2166-0662

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85017280130&doi=10.1109%2fISMS.2016.9&partnerID=40&md5=54b0798f44c462791d7696bec8125665

ภาษา: English-Great Britain (EN-GB)

ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์

บทคัดย่อ

Due to the complexity of human languages, most of sentiment classification algorithms are suffered from a huge-scale dimension of vocabularies which are mostly noisy and redundant. Deep Belief Networks (DBN) tackle this problem by learning useful information in input corpus with their several hidden layers. Unfortunately, DBN is a time-consuming and computationally expensive process for large-scale applications. In this paper, a semi-supervised learning algorithm, called Deep Belief Networks with Feature Selection (DBNFS) is developed. Using our chi-squared based feature selection, the complexity of the vocabulary input is decreased since some irrelevant features are filtered which makes the learning phase of DBN more efficient. The experimental results of our proposed DBNFS shows that the proposed DBNFS can achieve higher classification accuracy and can speed up training time compared with others well-known semi-supervised learning algorithms. ฉ 2016 IEEE.

คำสำคัญ

Chi-squared Feature Selection, Deep Belief Networks, Restricted Boltzmann Machine, Semi-supervised Learning, Sentiment Classification