文献

J-GLOBAL ID：201802233371126573   整理番号：18A0214280

深さ学習に基づく質問応答手法【JST・京大機械翻訳】

Question answer matching method based on deep learning

著者 (2件)： Rong Guanghui (同済大学計算机科学与技術系,上海,201800) ,  Huang Zhenhua (同済大学計算机科学与技術系,上海,201800)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 37  号： 10  ページ： 2861-2865  発行年： 2017年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 中国語の質問応答マッチングタスクに向けて,深さ学習に基づく対話型マッチング法を提案して,機械学習モデルの人工的構造特性によって引き起こされる特徴の不足と低い精度の問題を解決した。この方法では、主に三種類の異なるモデルがある。まず第一に,組込みニューラルネットワーク(RNN)と畳込み神経回路網(CNN)モデルを用いて,文章の深層意味論的特徴を学習し,特徴ベクトルの類似性距離を計算した。このモデルに基づいて,2つの異なる注意機構を加えて,質問応答の特徴に従って,学習と対話の間の対話的関係を表現した。実験結果により,組合せニューラルネットワークモデルに基づく実験結果は,特徴ベースの機械学習方法より明らかに優れているが,注意機構に基づくハイブリッドモデルは,マッチング精度をさらに向上させることができることを示した。それらの結果は,それぞれ,平均値の逆順(MRR)とトップ-1 accurayの評価指数において,それぞれ80.05%と68.73%に達することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 会話 ,  中国語 ,  神経回路網 ,  機械学習 ,  モデル ,  *マッチング ,  畳込み ,  意味論 ,  ニューラルネットワーク ,  性能指数 ,  類似性
準シソーラス用語： ハイブリッドモデル ,  神経回路網モデル ,  特徴ベクトル ,  *質問応答 , 【Automatic Indexing@JST】

著者キーワード (6件)： question answer matching ,  deep learning ,  Recurrent Neural Network (RNN) ,  Convolution Neural Network (CNN) ,  attention mechanism ,  machine learning

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (3件)： 学習 ,  質問応答 ,  手法