文献

J-GLOBAL ID：201902292081560202   整理番号：19A2923156

マルチソーステキストデータからの真理発見の教師なしアプローチ【JST・京大機械翻訳】

An Unsupervised Approach of Truth Discovery from Multi-sourced Text Data

著者 (4件)： Chang Chen (Army Engineer University) ,  Cao Jianjun (The Sixty-third Research Institute, National University of Defense Technology) ,  Lv Guojun (Army Engineer University) ,  Weng Nianfeng (The Sixty-third Research Institute, National University of Defense Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： DSC  ページ： 257-263  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 情報爆発の時代において,マルチソースデータは,衝突または誤差さえ存在する可能性がある。この問題に対処するために,矛盾するデータから信頼できる情報を得るために多くの真実発見法が提案されている。しかしながら,ほとんどの既存の真実発見方法は構造化データのために設計されて,生のテキストデータから信頼できる情報を抽出するために強い必要性を満たすことができない。テキストデータに対して,完全に正しいまたは間違った回答はなく,ほとんどの回答は部分的に正しい可能性がある。それは,従来の真実発見の状況と全く異なっている。加えて,伝統的方法は,提供された多くの観測に基づくソースの信頼性を推定する。残念ながら,テキスト真実発見のシーンに対して,ソースに対する十分な観測を得ることは容易ではない。さらに,従来の方法は,テキストデータの構造情報と意味情報の重要性を無視して,それは準最適結果に導いた。これらの課題を解決するために,テキストデータから信頼できる情報を発見するために,グラフ畳込みネットワーク(GCN)ベースの真実発見モデルを提案した。最初に,テキストデータのための実数値ベクトル表現を学習するために,平滑化逆周波数(SIF)を利用した。次に,これらのベクトルを有する無有向グラフグラフを構築し,応答の構造情報を獲得した。その後,GCNを用いて,これらの応答の信頼性を保存し,更新した。それは,真実発見の精度と効率を改善するために,すべての隣接する応答のすべての特徴ベクトルを要約した。従来の方法と異なり,著者らは,実際の数と比較してより高い表現能力を有する応答の信頼性を保存するためにベクトルを使用して,ネットワークを採用して,単純化機能よりもむしろ応答の間の複雑な関係を獲得した。実際のデータセットに関する実験結果は,テキストデータ構造が複雑であるにもかかわらず,著者らのモデルは,検索ベースおよび最先端のアプローチと比較して,まだ信頼できる回答を見つけることができることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ベクトル ,  信頼性 ,  畳込み ,  実数 ,  簡素化 ,  有向グラフ ,  平滑化 ,  ネットワーク
準シソーラス用語： 特徴ベクトル ,  *テキスト ,  *テキストデータ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (2件)： 発見 ,  教師