文献

J-GLOBAL ID：202002249499861785   整理番号：20A2228126

談話カテゴリーへの科学的抽象のセグメンテーション:スパースラベル付きデータのための深層学習ベースアプローチ【JST・京大機械翻訳】

Segmenting Scientific Abstracts into Discourse Categories: A Deep Learning-Based Approach for Sparse Labeled Data

著者 (5件)： Banerjee Soumya (Indian Institute of Technology Kharagpur, Kharagpur, India) ,  Sanyal Debarshi Kumar (Indian Institute of Technology Kharagpur, Kharagpur, India) ,  Chattopadhyay Samiran (Jadavpur University, Kolkata, India) ,  Bhowmick Plaban Kumar (Indian Institute of Technology Kharagpur, Kharagpur, India) ,  Das Partha Pratim (Indian Institute of Technology Kharagpur, Kharagpur, India)
資料名： ACM Proceedings  (ACM Proceedings)
号： JCDL ’20  ページ： 429-432  発行年： 2020年 
JST資料番号： D0698C  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： 科学的論文の抽象は,論文の内容を短いパラグラフに蒸留する。生物医学文献において,背景,目的,METHOD,RESULT,および結論のような議論カテゴリーに抽象を構造化することは特注であるが,このセグメンテーションはコンピュータ科学のような他の分野では稀である。明示的カテゴリーは,より粒状で,すなわち,ディスコースレベル探索と推薦に役立つ。ラベル付きデータのスパース性は,非バイオドメインにおける抽象の自動分散レベルセグメンテーションのための教師つき機械学習解を構築することを困難にする。本論文では,転送学習を用いてこの問題に取り組んだ。これらの3つのカテゴリーが最も一般的であるので,抽象のために3つのディスコースカテゴリー,-BACKGROUND,TECHNIQUE,およびOBSERVATIONを定義した。PubMedから構造化抽象上の深層ニューラルネットワークを訓練し,次に,コンピュータ科学論文の小手標識コーパスに微調整した。コンピュータ科学論文のテストコーパスで75%の精度を観察した。また,モデルの異なる部分の役割を強調するためのアブレーション研究も行った。提案手法は,ラベル付きデータがスパースである抽象の自動セグメンテーションに対する有望な解決策であるように見える。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】

シソーラス用語： *学習 ,  *セグメンテーション ,  計算機科学 ,  アブレーション ,  コーパス
準シソーラス用語： スパース性 ,  生物医学 ,  自動セグメンテーション ,  教師付き機械学習 ,  *深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： LSTM ,  深層学習 ,  構造化抽象 ,  伝達学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 談話 ,  カテゴリー ,  科学 ,  抽象 ,  セグメンテーション ,  深層学習