文献

J-GLOBAL ID：201902257575203326   整理番号：19A2419128

文圧縮のための構文ベースチャンクのRL抽出【JST・京大機械翻訳】

RL Extraction of Syntax-Based Chunks for Sentence Compression

著者 (4件)： Le Hoa T. (Laboratory LORIA Nancy, Villers-les-Nancy, France) ,  Cerisara Christophe (Laboratory LORIA Nancy, Villers-les-Nancy, France) ,  Cerisara Christophe (CNRS/LORIA Nancy, Villers-les-Nancy, France) ,  Gardent Claire (CNRS/LORIA Nancy, Villers-les-Nancy, France)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11730  ページ： 337-347  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 文章圧縮は,入力に存在する重要な情報を選択し,この情報を短いコヒーレントテキストに書き換えることを含む。この目的のために依存性構文がしばしば使われてきたが,現代の強化学習ベース抽出モデルの中でそのような構文情報を利用することを提案した。さらに,深い学習モデルに構文的特徴を含む他のアプローチと比較して,より良い説明可能性を持つモデルを設計し,様々な浅い構文解析モジュールをサポートするのに十分に柔軟である。より具体的には,構文木を重複テキストセグメントの形式に線形化し,次に強化学習により選択し,圧縮形式に再生した。したがって,抽出成分に頼るにもかかわらず,著者らのモデルは抽象的要約を扱うこともできる。入力文の依存性構造からサブツリーを選択する異なる方法を調査し,Giga単語コーパス上の様々なモデルの結果を比較した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 強化学習 ,  *コーパス ,  学習モデル ,  コヒーレンス ,  構文分析 ,  単語
準シソーラス用語： 部分木 ,  線形化 ,  構文木 ,  テキスト ,  *構文 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 文 ,  構文 ,  チャンク