Key points are not available for this paper at this time.
विषयकता विश्लेषण प्राकृतिक भाषा प्रसंस्करण के क्षेत्र में एक प्रमुख कार्य है। डेटा को विषयक या वस्तुनिष्ठ के रूप में नामांकित करने के लिए उपयोग किया जाता है, विषयकता विश्लेषण को स्वतंत्र रूप से या अन्य NLP अनुप्रयोगों जैसे कि भावनात्मक विश्लेषण, भावना विश्लेषण, उपभोक्ता समीक्षा विश्लेषण, राजनीतिक राय विश्लेषण, दस्तावेज़ संक्षेपण, और प्रश्न-उत्तर प्रणालियों के पूर्ववर्ती के रूप में लागू किया जा सकता है। इस लेख का मुख्य उद्देश्य विषयकता वर्गीकरण के लिए छह गहरे अध्ययन विधियों का परीक्षण और तुलना करना है, जिसमें लॉन्ग शॉर्ट-टर्म मेमोरी नेटवर्क (LSTM), गेटेड रीकरंट यूनिट (GRU), द्विदिश GRU, द्विदिश LSTM, ध्यान के साथ LSTM, और ध्यान के साथ द्विदिश LSTM शामिल हैं। हमने शब्दकोश-आधारित और व्याकरणिक पैटर्न-आधारित विधियों का उपयोग करके विषयकता नामांकन के लिए एक संयोजन विधि पेश की। हमने GloVe की तुलना एक-गर्म एनकोडिंग के प्रदर्शन का मूल्यांकन किया। हमने एक राजनीतिक और वैचारिक बहस डेटा सेट को भी पुनः स्वरूपित, पूर्व-संसाधित और नामांकित किया ताकि विषयकता विश्लेषण में उपयोग किया जा सके। हमारा शोध विषयकता विश्लेषण पर मौजूद शोध के प्रदर्शन के साथ सकारात्मक तुलना करता है, अत्यधिक उच्च सटीकता और मूल्यांकन मेट्रिक्स प्राप्त करता है। ध्यान के साथ LSTM उन सभी विधियों में से सबसे अच्छा प्रदर्शन किया जो हमने परीक्षण की, जिसकी सटीकता 97.39% थी।
Hamoud et al. (बुध,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 2 closely related papers on similar clinical questions. Consider them for comparative context: