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。
質問回答検索における支配的なニューラルアーキテクチャは,複雑な単語マッチング層によって構成されたリカレントまたは畳込み符号器に基づいている。最近の建築革新は,主に新しい単語相互作用層または注意ベースのマッチング機構であるとすれば,これらの成分が良好な性能のために必須であることはよく確立された事実である。残念なことに,これらの複雑な機構によってもたらされるメモリと計算コストは,実用化にとって望ましくない。このように,本論文では,単純なニューラルアーキテクチャで競合性能を達成できるかどうかの疑問に取り組んだ。高速で効率的な質問-回答ランキングと検索のための簡単で新しい深層学習アーキテクチャを提案した。より具体的には,提案のモデル,HyperQAは,複数のQAベンチマーク上で,Attenive Pooling BiLSTMやMulti-Perspective CNNのような他のパラメータ集約モデルよりも性能が優れているパラメータ効率的なニューラルネットワークである。ハイパーQAの背後にある新規性は,ユークリッド空間の代わりに双曲線空間における質問と回答埋込み間の関係をモデル化するペアワイズランキング目標である。これは自己組織化能力でこのモデルを電力化し,質問と回答の埋込みを学習しながら潜在階層の自動発見を可能にする。著者らのモデルは,特徴工学を必要とせず,類似性マトリックスマッチング,複雑な注意機構も過剰パラメータ化層も必要とせず,複数のベンチマーク上でこれらの機能性を持つ多くのモデルに対して,まだ性能が優れている。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】