文献

J-GLOBAL ID：201902256351530585   整理番号：19A1947608

畳込み-デコンボリューション語埋め込み:自然言語処理のためのエンドツーエンドマルチプロトタイプ融合埋込み法【JST・京大機械翻訳】

Convolution-deconvolution word embedding: An end-to-end multi-prototype fusion embedding method for natural language processing

著者 (4件)： Shuang Kai (State Key Laboratory of Networking & Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, PR China) ,  Zhang Zhixuan (State Key Laboratory of Networking & Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, PR China) ,  Loo Jonathan (School of Computing and Engineering, University of West London, W5 5RF, UK) ,  Su Sen (State Key Laboratory of Networking & Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, PR China)
資料名： Information Fusion  (Information Fusion)
巻： 53  ページ： 112-122  発行年： 2020年 
JST資料番号： W3167A  ISSN： 1566-2535  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： 既存の教師なし単語埋め込み法は,自然言語処理(NLP)の様々なタスクに関する潜在的意味情報を獲得するのに有効であることが証明されている。しかしながら,既存の単語表現法は,NLPタスクにおける一般的な現象である,ポリセモス-無意識およびタスク-無意識問題の両方に取り組むことができない。本研究では,文脈特異的情報とタスク特異的情報を融合させるエンドツーエンド多重プロトタイプ融合埋め込みである,新しい畳込みデコンボリューションWord埋込み(CDWE)を提案した。著者らの知る限りでは,コンピュータビジョンで広く使われているデコンボリューション(例えばコンボリューション変換)を,単語埋め込み生成に拡張することが最初である。著者らは,NLPにおける2つの代表的タスクに適用することによって,CDWEの効率性と一般化能力を経験的に実証した。テキスト分類と機械翻訳である。CDWEのモデルは,ベースラインを著しく上回り,両方のタスクに関して最先端の結果を達成した。CDWEの効率をさらに検証するために,CDWEが,デコンボリューションの出力を評価するための既存の戦略である,Text Deconvolution Saliencyを分析することにより,ポリセモス-無意識およびタスク-無意識問題をどのように解決するかを実証した。Copyright 2019 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： *自然言語処理 ,  単語 ,  ニューラルネットワーク ,  モデル ,  基準線 ,  *プロトタイプ ,  *デコンボリューション ,  機械翻訳 ,  *畳込み ,  *エンドツーエンド方式 ,  多重化 ,  コンピュータビジョン
準シソーラス用語： テキスト分類 ,  無意識 ,  意味情報 , 【Automatic Indexing@JST】

著者キーワード (4件)： 語埋め込み ,  マルチプロトタイプ ,  ニューラルネットワーク ,  自然言語処理

分類 (2件)： 電子航法一般  (ND14010O) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 畳込み ,  デコンボリューション ,  埋め込み ,  自然言語処理 ,  融合 ,  埋込み