ドメイン適応を用いた評判分析手法
ICML2011のドメイン適応の論文のメモ書き．数式番号が1つも使われていない，珍しい論文．
Domain Adaptation for Large-Scale Sentiment Classification: A Deep Learning Approach
概要
- 評判分析，評判抽出のためのドメイン適応手法の提案
- Deep Learningというアプローチを採用
- 特徴の上位概念（製品の質，コストパフォーマンス等）を学習する
- 大規模データ解析，大量のドメイン適応を同時に行うことが可能
Domain Adaptation
Deep Learning
- 特徴の階層構造を学習 (今回のタスクの場合）
- Ex. 特徴そのものではなく，製品の質，値段，顧客サービス等の要素を探索する
- Stacked Denoising Auto-encoders(SDA)などの手法
- 特徴の中間表現へのEncoder / Decoder を学習する
- PCAみたいな事をやっていると思えば良い
評判分析でDeep Learningを用いることの利点
- 多くのドメインで共通の概念が存在する(製品の質，値段等）
- 上記の概念を表す代表的な単語があらかじめ予測できる
- 評判分析以外のタスクでも，Deep Learningによって面白い知見が得られている
- ドメインごとに別々の転移学習をする必要がない (一度，全ドメインで共通の階層構造を学習すれば良い)
- rectifier unitsを用いることで，疎な中間表現を得ることも可能
