文献

J-GLOBAL ID：201802260560058714   整理番号：18A0440238

テキストカテゴリー化のためのシャムLSTMネットワークの研究【Powered by NICT】

Investigating Siamese LSTM networks for text categorization

著者 (4件)： Shih Chin-Hong (National Taiwan Normal University, Taipei, Taiwan) ,  Yan Bi-Cheng (National Taiwan Normal University, Taipei, Taiwan) ,  Liu Shih-Hung (Delta Research Center, Taipei, Taiwan) ,  Chen Berlin (National Taiwan Normal University, Taipei, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： APSIPA ASC  ページ： 641-646  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： 最近,深層学習と深層ニューラルネットワークはかなりの注目を集め,人工知能分野の研究の1つの優勢な領域として出現した。開発された技術は,良好な成功を種々の領域で広く使用,自動音声認識,情報検索とテキスト分類などを得ている。それらの中で,長い短期記憶(LSTM)ネットワークは,そのようなタスクに良く適している,語間の長距離依存性を効率的に捕捉,一方訓練中の勾配消失または爆発問題を軽減することができる。研究のこの線にしたがい,本論文では,テキストカテゴリー化のためのより正確な文書表現を学習するためにシャムLSTMベース法の新しい使用を検討した。そのようなネットワークアーキテクチャは,入力として長さ対文書を,文書の任意のペア間の意味的距離をより正確にできることを文書の分散表現を生成するためにペアワイズ学習を利用した。そうすることで,同じ意味または話題ラベルに付随する文書は,相対的に高い意味的類似性を有する類似表現にマップすることができた。二ベンチマークテキスト分類タスク上で行った実験,すなわち。IMDBと20Newsgroups,入力としてシャムLSTMサブネットワークから学んだ文書表現を入れた三層深層ニューラルネットワークベースの分類器を用いたいくつかの最先端法に関連した比肩可能な性能を達成できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ベンチマーク ,  情報検索 ,  人工知能 ,  ネットワークアーキテクチャ ,  学習 ,  *ネットワーク ,  分散表現 ,  短期記憶 ,  ディープニューラルネットワーク ,  深層学習
準シソーラス用語： サブネットワーク ,  意味類似性 ,  テキスト分類 ,  自動音声認識 ,  *テキスト , 【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 (3件)： カテゴリー化 ,  LSTMネットワーク ,  研究