文献

J-GLOBAL ID：201702232173363533   整理番号：17A1570239

深い学習を用いたビッグデータ源からの改善関係凝集した探索【Powered by NICT】

Improving relational aggregated search from big data sources using deep learning

著者 (2件)： Achsas Sanae (LIIAN Laboratory, Faculty of Sciences, Sidi Mohammed Ben Abdellah University, Fez, Morocco) ,  Nfaoui El Habib (LIIAN Laboratory, Faculty of Sciences, Sidi Mohammed Ben Abdellah University, Fez, Morocco)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCV  ページ： 1-6  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： 関係集合探索(RAS)は補集合のアプローチとして定義される情報ナゲットとの間の関係を考慮した。この観点から,関係凝集探索情報ナゲットとの関係,最終検索結果を組み立てるコヒーレントに使用することを検索すべきである。RASに使用される伝統的なアプローチは異なる結果間の有用な関係を同定すると抽出のための主要な発生源としての情報抽出(IE)技術と知識ベース(オントロジー,リンクデータ)に基づいている。しかし,ウェブに貯蔵された大規模データセットを用い,与えられた質問に応答して異なる垂直から得られた異なる結果は均質ではないので,課題は,各垂直結果に関連した異なる特徴だけでなく,これらの結果の間の種々の関係の認識を抽出することである。本論文では,深い学習アーキテクチャに基づく他の溶液,特に積層オートエンコーダを提案した。このアプローチは,深いニューラルネットワークの利点,かなり凝集した検索結果を改善するであろうから利益を得ることを可能にした。記述とその成分のそれぞれの役割に加えて,このアプローチの詳細な理論的研究を提示した。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： コヒーレンス ,  オントロジー ,  計算機アーキテクチャ ,  ニューラルネットワーク ,  情報抽出 ,  *凝集 ,  知識ベース ,  *学習
準シソーラス用語： 大規模データセット ,  リンクデータ ,  発生源 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 学習 ,  ビッグデータ ,  凝集 ,  探索