文献

J-GLOBAL ID：201702220620487986   整理番号：17A1397705

リカレントニューラルネットワークを用いた学習質問類似性【Powered by NICT】

Learning Question Similarity with Recurrent Neural Networks

著者 (4件)： Ye Borui ,  Feng Guangyu ,  Cui Anqi ,  Li Ming
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICBK  ページ： 111-118  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 意味類似性の測定は,自然言語処理における基本的作業である。コミュニティ質問応答(cQA)システムの設定では,本質的に分類問題:一対の質問を与えられると,それは類似しており,関連する,あるいは無関係な標識。,単語レベルでや文レベルで,伝統的な方法は,典型的に多くの語彙的および統語的資源,英語以外の言語では入手できないを必要とする。添加では,目的のための微細注釈付きデータセットは存在しない。本論文では,中国における4,322標識問題対を含むデータセット,著者らの知る限りでは,それが問題類似性分類のための最初のオープン中国データセットを構築した。リカレントニューラルネットワーク(RNN)encoderdecoderのアーキテクチャに基づく文間の意味的類似性,語彙知識または統語論的資源を必要としないを測定するための新しいフレームワークを提案した。発見的スコアで標識した自動的にした問題対のより大きなデータセットを用いたRNNを訓練最初に欠くラベル付きデータの問題を解決し,,小さく,手作業でラベル付けされたデータセットと微調整。2段訓練方式は一段階訓練と比較して,分類の精度を改善し,他の伝統的なモデルより性能が優れた。提案したモデルは分類と候補ランキングの両方が可能である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *類似性 ,  等級づけ ,  言語 ,  単語 ,  アノテーション ,  自然言語処理 ,  語彙 ,  *学習 ,  中華人民共和国 ,  コミュニティ ,  英語
準シソーラス用語： 文章論 ,  質問応答 ,  意味類似性 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： リカレントニューラルネットワーク ,  学習 ,  質問 ,  類似性