文献

J-GLOBAL ID：201802236484359990   整理番号：18A0517990

情報は質問分類のための文章表現のエントロピー情報【Powered by NICT】

Information entropy-informed sentence representation for question classification

著者 (5件)： Gao Jin (Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei, China) ,  Li Miao (Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei, China) ,  Chen Lei (Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei, China) ,  Du Jinhua (ADAPT Centre, School of Computing, Dublin City University, Dublin, Ireland) ,  Ma Rongqiang (Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IALP  ページ： 79-82  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： 伝統的質問分類法は一般的に良好な分類結果を達成するために標識した質問から抽出された特徴の多くを採用したしかし,特徴空間の高次元性が高い訓練コストをもたらす可能性がある本論文では,質問分類のための新規で効率的な質問意味表現に基づく方法を提案し,複雑な特徴抽出プロセスを回避した。最初に,単語間の意味的関係を捉えることができる単語の分散表現を学習するためのニューラルネットワークベースの言語モデルを利用した。質問分類に単語の重要性を測定するための情報エントロピーを導入し,すなわち単語の重みを調整するために情報エントロピーを用いた。続いて,実験結果は,ベースラインにわたる農業データセットに開領域データセットと6.50%で3.62%の改善と提案手法の有効性を実証した分類結果を得るために意味論的特徴として問題ベクトルは,SVM分類器に入力する。Copyright 2018 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： 高次元 ,  基準線 ,  特徴抽出 ,  単語 ,  言語モデル ,  意味論 ,  *エントロピー ,  ベクトル
準シソーラス用語： SVM分類 ,  情報エントロピー ,  意味的関連性 ,  意味表現 ,  特徴空間 ,  分類法 ,  *文章表現 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 質問 ,  分類 ,  文章表現 ,  エントロピー