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。
分散単語表現は様々な自然言語処理(NLP)応用タスクに非常に有用であることが示されている。巨大コーパスから学んだこれらの単語ベクトルは非常にしばしば語の意味的および文法的情報の両方を持っている。しかし,個々のユーザは関心の話題,友人グループ,社会活動,言葉遣い習慣などのような異なる要素,個別化された意味論を意味するために自分の言語パターンを持つことが知られている。このような個別化意味論,語が異なるユーザで少し異なって示唆している。例えば,「カプチーノ」という言葉は,ユーザ楽しむコーヒーの「余暇」,「喜び」,「優れた」を,「他の誰かの飲料の種類による可能性がある。のこのような個別化意味論は多くの人によって作られる大きなコーパスを用いて訓練された標準普遍的単語ベクトルにより実施することができない。本論文では,多くの個々のユーザの投稿社会ネットワークデータを用いた非常に成功した連続スキップグラムモデルに基づく異なるユーザに対して異なる個別単語ベクトルを訓練するためのフレームワークを提案した。このフレームワークでは,はじめに背景コーパスから学習し,個別単語ベクトルを学習するために,個々のユーザのための個別化されたコーパスにより適合されているユニバーサル背景単語ベクトル。はこの方法で得られた個別単語ベクトル,ユーザ予測タスクと文章完成タスクの品質を評価するための二アプリケーションタスクを用いた。これら個別単語ベクトルはいくつかのパーソナル化した意味論を持ち,これらの二つの評価作業に改善された性能を提供することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】