文献

J-GLOBAL ID：202002248636079693   整理番号：20A2147140

真理発見のためのエンドツーエンド深層ニューラルネットワーク【JST・京大機械翻訳】

An End-to-End Deep Neural Network for Truth Discovery

著者 (8件)： Chen Huafeng (School of Computer Science and Technology, Jiangsu Normal University, Xuzhou, China) ,  Chen Huafeng (Xuzhou Engineering Research Center of Cloud Computing, Xuzhou, China) ,  Dong Yongquan (School of Computer Science and Technology, Jiangsu Normal University, Xuzhou, China) ,  Dong Yongquan (Xuzhou Engineering Research Center of Cloud Computing, Xuzhou, China) ,  Gu Qing (School of Computer Science and Technology, Jiangsu Normal University, Xuzhou, China) ,  Gu Qing (Xuzhou Engineering Research Center of Cloud Computing, Xuzhou, China) ,  Liu Yali (School of Computer Science and Technology, Jiangsu Normal University, Xuzhou, China) ,  Liu Yali (Xuzhou Engineering Research Center of Cloud Computing, Xuzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12432  ページ： 377-387  発行年： 2020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： Webデータの急速な成長により,複数のソースから集められた同じターゲットに関する情報は,しばしばコンフリクトを示す。この問題は,矛盾を自動的に解決し,複数の矛盾する請求から真実を発見するための,真実発見の必要性を動機づける。既存の真実発見方法は,主に反復更新または確率モデルに基づいている。これらの方法の一般的な限界は,それらのモデルが構築するのに複雑であることである。本論文では,分類問題としてタスクに関して,真実発見のための簡潔なエンドツーエンド深層ニューラルネットワークを提案した。最初に,各ターゲットに対して,ユニークな主張を抽出し,各ユニークな主張に対して,ソースがこの値を与えるかどうかに依存して,ソース-一意-クレームベクトルを構築した。次に,訓練データセット上で,著者らは,グランドトルースに従って,ベクトルを真/偽としてラベル付けした。最後に,深層ニューラルネットワークを用いて,各ターゲットに対する分類モデルを構築し,どの主張が真実であるかを判定した。2つの実世界データセットに関する実験結果は,著者らの提案モデルが既存の最先端の方法より良い性能を有することを示した。Copyright Springer Nature Switzerland AG 2020 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 ,  *エンドツーエンド方式 ,  確率モデル ,  Web【情報システム】 ,  データ融合 ,  深層学習 ,  *ディープニューラルネットワーク ,  数学モデル
準シソーラス用語： 訓練データ ,  グランドトゥルース ,  分類モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 真実の発見 ,  深層学習 ,  データ融合 ,  情報抽出

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 発見 ,  エンドツーエンド ,  深層ニューラルネットワーク