文献

J-GLOBAL ID：201702271479381901   整理番号：17A1257155

生物医学NLPタスクのための単語埋込みモデルへの余分な知識の統合【Powered by NICT】

Integrating extra knowledge into word embedding models for biomedical NLP tasks

著者 (6件)： Ling Yuan (College of Computing & Informatics, Drexel University, Philadelphia, PA 19104) ,  An Yuan (College of Computing & Informatics, Drexel University, Philadelphia, PA 19104) ,  Liu Mengwen (College of Computing & Informatics, Drexel University, Philadelphia, PA 19104) ,  Hasan Sadid A. (Artificial Intelligence Laboratory, Philips Research North America, Cambridge, MA) ,  Fan Yetian (School of Mathematical Sciences, Dalian University of Technology, Dalian, China 116023) ,  Hu Xiaohua (College of Computing & Informatics, Drexel University, Philadelphia, PA 19104)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 968-975  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： NLP地域における単語埋込みは近年益々注目を集めている。連続bag-of-words)モデル(CBOW)と連続スキップグラムモデル(スキップグラム)は,大量のラベル付けされていないテキストデータからの単語の分散表現を学習するために開発されてきた。本論文では,余分な知識を統合するCBOWとスキップグラムモデルと生物医学NLPタスクに新しいモデルを適用することの考えを調べた。主なアイデアは,単語/概念間の構造関係を表現する知識ベース(KBs)から重み付きグラフを構築することである。特に,GCBOWモデルとグラフ正則化による元のCBOWモデルとスキップグラムモデルへのそのようなグラフを統合することにより,それぞれGSkipグラムモデルを提案した。四一般領域の標準データセット上での実験を行い,新しいモデルと有望な改善を示した。二生物医学NLPタスク(生物医学的類似性/関連課題と生物医学情報検索(IR)タスク)に関する更なる評価は,著者らの手法はベースラインよりも優れた性能を持つことを示した。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： 情報検索 ,  グラフ ,  基準線 ,  正則化 ,  *単語 ,  類似性 ,  知識ベース
準シソーラス用語： *生物医学 , 【Automatic Indexing@JST】

分類 (2件)： グラフ理論基礎  (IA02020S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 生物医学 ,  NLP ,  タスク ,  単語 ,  埋込み ,  モデル ,  知識 ,  統合