文献

J-GLOBAL ID：201802295858807493   整理番号：18A1022369

テキスト情報検索のための埋め込み単語表現の学習【JST・京大機械翻訳】

Learning bag-of-embedded-words representations for textual information retrieval

著者 (2件)： Passalis Nikolaos (Department of Informatics, Aristotle University of Thessaloniki, Thessaloniki 54124, Greece) ,  Tefas Anastasios (Department of Informatics, Aristotle University of Thessaloniki, Thessaloniki 54124, Greece)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 81  ページ： 254-267  発行年： 2018年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 単語埋め込みモデルは単語の意味内容を正確にモデル化できる。テキスト文書から一組の単語埋め込みベクトルを抽出するプロセスは,通常,コンピュータビジョンタスクで使用されている特徴抽出段階(BoF)モデルに類似している。これにより,テキスト文書を効率的に表現することができる,提案されたBag-of-Empled Word(BoEW)モデルを提案した。これは,テキスト文書を,以前に使用されている技術の限界を克服している。これは,テキスト文書モデルのようなものである。提案した方法は,モデルエンドツーエンド(単語埋め込みから重み付けマスクまで)を最適化することにより,各学習符号語とbの重要性を変えることを可能にする重みづけマスクを組み込むことにより,正規BoFモデルを拡張する。さらに,BoEWモデルは,関連性フィードバック技術を用いてユーザの情報ニーズに向けて学習表現を微調整する高速な方法を提供する。最後に,新しい球状エントロピー目的関数を提案し,余弦類似性計量を用いた検索のための学習表現を最適化した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  *情報検索 ,  高速度 ,  重みづけ ,  特徴抽出 ,  ベクトル ,  モデリング ,  最適化 ,  類似性 ,  目的関数 ,  *単語 ,  *学習
準シソーラス用語： 適合フィードバック ,  符号語 ,  *テキスト , 【Automatic Indexing@JST】

著者キーワード (6件)： 語埋め込み ,  語のバッグ ,  特徴のバッグ ,  辞書学習 ,  関連性フィードバック ,  情報検索

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 情報検索 ,  埋め込み ,  単語 ,  表現 ,  学習