文献

J-GLOBAL ID：201502297580677730   整理番号：15A0558517

話し言葉理解におけるスロット充填の回帰型ニューラルネットワークの利用

Using Recurrent Neural Networks for Slot Filling in Spoken Language Understanding

著者 (12件)： MESNIL Gregoire (Univ. Rouen, Mont-Saint-Aignan, FRA) ,  MESNIL Gregoire (Univ. Montreal, QC, CAN) ,  DAUPHIN Yann (Univ. Montreal, QC, CAN) ,  YAO Kaisheng (Microsoft Res., WA, USA) ,  BENGIO Yoshua (Univ. Montreal, QC, CAN) ,  DENG Li (Microsoft Res., WA, USA) ,  HAKKANI-TUR Dilek (Microsoft Res., CA, USA) ,  HE Xiaodong (Microsoft Res., WA, USA) ,  HECK Larry (Google, CA, USA) ,  TUR Gokhan (Apple, CA, USA) ,  YU Dong (Microsoft Res., WA, USA) ,  ZWEIG Geoffrey (Microsoft Res., WA, USA)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 23  号： 3-4  ページ： 530-539  発行年： 2015年03月 
JST資料番号： W0508B  ISSN： 2329-9290  CODEN： ITASFA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 話し言葉理解(SLU)のタスク用に回帰型ニューラルネットワーク(RNNs)の利用を提案し,過去および将来の時間依存性を効率的に実施するように設計された新規のアーキテクチャを幾つか提示した。意味的スロットフィリングはSLUにおける最も挑戦的な課題の一つである。ハイブリッド,双方向および条件付きランダム場(CRF)拡張に加えて,標準RNNアーキテクチャの慎重は比較を行った。意思決定および領域検出の深部学習方法の応用に関して従来の研究に類似して,これらのモデルは競合する性能を持つ,CRFモデルの利用に対して性能を改良したことを発見した。

シソーラス用語： 話し言葉 ,  *音声理解 ,  充填 ,  *神経回路網 ,  回帰モデル ,  *リカレントニューラルネットワーク
準シソーラス用語： *回帰型ニューラルネットワーク ,  スロット充填

分類 (2件)： 音声処理  (JE05000E) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (4件)： 話し言葉 ,  理解 ,  スロット ,  回帰型ニューラルネットワーク