AL4LA:パラグラフベクトルに基づくテキストラベリングのためのアクティブ学習【JST・京大機械翻訳】

Nimo-Jarquez Damian; Narvaez-Rios Margarita; Rivas Mario; Yanez Andres; Barcena-Gonzalez Guillermo; Guerrero-Lebrero M. Paz; Guerrero Elisa; Galindo Pedro L.

文献

J-GLOBAL ID：201902269302456753 整理番号：19A1665093

AL4LA:パラグラフベクトルに基づくテキストラベリングのためのアクティブ学習【JST・京大機械翻訳】

AL4LA: Active Learning for Text Labeling Based on Paragraph Vectors

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A1665093&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A1665093&from=J-GLOBAL&jstjournalNo=H0078D") }}

著者 (8件)： , , , , , , ,
資料名：
巻： 11506 ページ： 679-687 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)

今日,膨大な量のディジタル化情報にもかかわらず,テキストマイニングにおける機械学習を使用する最大の欠点は,主に,それが常に実行可能でない大きなユーザ努力を必要とすることによる一連のタグ付けデータの利用可能性の欠如である。本論文では,大量の文書のコンテンツを人手で処理するのに必要な大きな作業負荷を低減する目的で,半教師つき手法を用いて,スペインの文書をラベル付けする確率的推論とアクティブ学習に基づく方法論を提示した。最初に,文書のベクトル表現を生成し,次に,自動および手動ラベリングの両方を適用するための対話型学習プロセスを提案した。予測の精度と方法論の効率を評価するために,自動および手動標識プロセスに関する異なる構成を研究した。提案した方法論は,訓練中に自己ラベリングプロセスを導入することにより,人手でラベル付けされたテキストの大きなコーパスの必要性を低減する。両方のタグ付けアプローチは,精度を維持し,ユーザの介入を低減することができることを示した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , ,
, , , , , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

その他の情報処理 , 人間機械系 , 人工知能

, ,

前のページに戻る