主催: 一般社団法人 人工知能学会
会議名: 2021年度人工知能学会全国大会(第35回)
回次: 35
開催地: オンライン
開催日: 2021/06/08 - 2021/06/11
深層学習には分類基準等のブラックボックス問題が存在しており,解決が急がれている.テキストマイニング分野においても,分類基準を明確化することで,分類の根拠から,例えば,良い電子カルテやレポートの特徴等を解釈し,新たな知識創発への活用が期待される.一方で,テキストマイニング分野において,分類基準を明確にするために,深層学習の学習済みネットワークに注目する研究はほとんど見られない.そこで本研究では,文章の分類問題を題材として,LSTMの学習済みネットワークからの分類基準の解釈に向け,ネットワーク中の重みを条件付き確率としたHMMを適用する.そして,HMMから各分類先に寄与する特徴量の時系列パターンを抽出し,LSTMの分類基準として解釈を試みる.評価実験では,アニメの台詞や商品レビューを対象として,提案手法によって抽出された分類パターンとTF–IDF情報から作成した分類パターンとを比較した.その結果,提案手法では,TF–IDF情報から読み取れない,解釈に有効な特徴を示した分類パターンの抽出が可能であることを確認した.