抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
分布意味論仮説に依存する,伝統的な単語埋込みモデルは意味問題コントラストのための比較的限られたと考えられている。分布意味論仮説は,類似した前後関係にある単語がベクトル空間で類似していた表現を持つことを示した。それにもかかわらず,同意語と反義語はしばしば類似した前後関係,ベクトル空間内で互いに近接した出現で位置していた。異名から反意語を区別するために大きな困難である。この課題を解決するために,最適化モデル,辞書ベース単語埋込み調整(LWET)モデルを提案した。LWETの目標は,異名から反意語識別の能力を改善するために,ベクトル空間における事前単語埋め込みの分布を調整するために信頼性のあるセマンティックな辞書を組み込むことである。LWETの訓練プロセスをスピードアップするために,著者らは二近似アルゴリズム,正のサンプリングと準階層的ソフトマックスを提案した。準階層的ソフトマックスと比較して,正のサンプリング性能のコストで,しかし,速かった。実験では,LWETおよびその他の先端技術モデルは反意語認識で試験し,同義語,および単語類似性から反意語を識別した。最初の二実験の結果は,LWETは有意に反意語を検出し,このようにして最先端技術の性能を達成するための単語埋め込みの能力を改善することを示した。単語類似性について,LWETは最先端のモデルよりもわずかに良い性能を得た。ベクトル空間上の単語の分布を制御するときLWETは意味構造であり,強化よりもむしろそれを破壊することができることを意味している。一般に,関連研究と比較して,LWETは同等,ないし,むしろ優れた性能を達成するばかりでなく,訓練プロセスを高速化できる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
