文献

J-GLOBAL ID：201602213994467043   整理番号：16A0028444

形態学的特徴とマルチタスク学習を用いた指数言語モデリング

Exponential Language Modeling Using Morphological Features and Multi-Task Learning

著者 (4件)： FANG Hao (Univ. Washington, WA, USA) ,  OSTENDORF Mari (Univ. Washington, WA, USA) ,  BAUMANN Peter (Northwestern Univ., IL, USA) ,  PIERREHUMBERT Janet (Univ. Oxford, Oxford, GBR)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 23  号： 11-12  ページ： 2410-2421  発行年： 2015年11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： 本論文では,限られたリソースで学習を改善する特徴をもたらすために,教師なしの形態学的解析を用いて単語ベースの言語モデル(LM)について検討した。豊富な形態学的構造を持つ言語はデータのスパース性を招き,LMの訓練を難しくしている。著者らは,同じような指数モデルを共有する最大エントロピLM,対数双線形LM,及び再帰型ニューラルネット(RNN)LMの教師なし形態学的特徴の利用について調査した。さらにこれらの異なるひな型を比較し,形態学的特徴を利用することの影響を調査した。マルチタスク訓練は,連続空間手法の性能改善のための正則化メカニズムとして導入した。最大エントロピーモデルによる実験では,正則化の重要性が明らかになり,マルチタスク学習が正則化の形態として見なすことができた。

シソーラス用語： *機械学習 ,  *モデリング ,  *特性 ,  モデル ,  性質 ,  最大エントロピー法 ,  ニューラルネットワーク
準シソーラス用語： スパース性 ,  *マルチタスク学習 ,  *形態学的特徴 ,  *言語モデリング ,  再帰型ニューラルネット ,  指数モデル

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： 形態学的特徴 ,  マルチタスク学習 ,  指数 ,  言語モデリング