文献

J-GLOBAL ID：201802227232597594   整理番号：18A0488393

双方向LSTM CRFニューラルアーキテクチャによるCCG supertagging【Powered by NICT】

CCG supertagging via Bidirectional LSTM-CRF neural architecture

著者 (4件)： Kadari Rekia (Research Center for Social Computing and Information Retrieval, Harbin Institute of Technology, China) ,  Zhang Yu (Research Center for Social Computing and Information Retrieval, Harbin Institute of Technology, China) ,  Zhang Weinan (Research Center for Social Computing and Information Retrieval, Harbin Institute of Technology, China) ,  Liu Ting (Research Center for Social Computing and Information Retrieval, Harbin Institute of Technology, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 283  ページ： 31-37  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： supertag(語彙カテゴリー)は入力文の中の各単語に帰属される配列標識はCCG supertaggingタスクに広く使用されている方法である。CCG supertaggingでは主要な挑戦的な問題である語彙カテゴリーの数が多いことに起因する。これを解決するために,機械学習と深層学習法を用いて,有望な結果を達成した。しかし,これらのモデルは機械学習法の多くの手作りの特徴事例を使っまたは深層学習モデルの現在のラベル症例を予測に大きな影響を持つ近傍におけるラベル間の相関のない配列を処理する文レベル表現を用いている。最近では,機械学習と深層学習モデルの結合である。本論文では,条件付き確率場および双方向長い短期記憶モデルの組み合わせを用いた。双方向長い短期記憶ネットワークアーキテクチャのおかげで過去と将来の両方の入力特徴から得ることができる,そこで最初のモデルは文章表現を学習する。その後,モデルは,条件付き確率場モデルのおかげで文レベルタグ情報を使用する。双方向長い短期記憶と条件付き確率場(BLSTM CRF)モデルを組み合わせることにより,著者らはドメイン内と外のドメインデータセット上で提案モデルを評価し,どちらの場合も,CCG supertaggingタスク上で最先端技術レベルの結果を(に近い)達成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  学習 ,  単語 ,  ネットワークアーキテクチャ ,  語彙 ,  *機械学習
準シソーラス用語： 短期記憶 ,  条件つき確率場 ,  近傍 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 組合せカテゴリー文法 ,  CCG supertagging ,  ニューラルネットワーク ,  深い学習 ,  機械学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 双方向 ,  LSTM ,  CRF