抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
確率モデルまたは伝統的機械学習法のアイデアを用いて,英語に関する性予測の問題に関する多くの研究を行った。英語または他のアルファベット言語とは異なり,中国語文字はロゴ音節である。以前のアプローチは,一般的に,特に英語におけるインド-ヨーロッパ言語に対して非常に良く機能しているが,中国語,日本語および韓国語のようなアジア語言語において,それらの性能は悪化している。本研究では,単純化された漢字に焦点を当て,BERTモデル上で訓練された中国語の単語埋め込みを強化するために,音声情報(Pinyin)を組み込んだ新しいアプローチを提案した。著者らは,著者らの方法をいくつかの以前の方法と比較した。すなわち,特徴としてファストテキストを介して単語を埋め込むことによって,Naive Bayes,GBDT,およびRandom森林である。定量的および定性的実験により,本モデルの優れたことを実証した。結果は,著者らの方法を用いて93.45%の試験精度を達成できることを示した。さらに,コミュニティに対する本研究の一部として使用された2つの大規模な性別ラベル付けデータセット(100万名以上の名前を持つものと600万名以上の名前を持つものを有するもの)をリリースした。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】