文献

J-GLOBAL ID：202002255790191520   整理番号：20A2274352

ニューラル変分推論による多言語トピックの学習【JST・京大機械翻訳】

Learning Multilingual Topics with Neural Variational Inference

著者 (4件)： Wu Xiaobao (School of Software, Tsinghua University, Beijing, China) ,  Li Chunping (School of Software, Tsinghua University, Beijing, China) ,  Zhu Yan (School of Information Science and Technology, Southwest Jiaotong University, Chengdu, China) ,  Miao Yishu (Department of Computing, Imperial College London, London, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12430  ページ： 840-851  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： 多言語トピックモデルは,交差言語文書の共通潜在意味論を明らかにする最も一般的な方法の1つである。しかしながら,既存の確率的モデルによって採用される従来の近似法は,時々,高品質多言語トピックスに有効に導かない。さらに,これらのモデルの生成プロセスはより表現的になるので,パラメータに対する高速かつ正確な推論法を実行する困難さが成長する。本論文では,これらの問題に取り組むために,ニューラル変分推論の枠組みにおける逆伝搬による訓練を可能にする新しい多言語トピックモデルを提案した。共有推論ネットワークを介してトピック分布を推論し,共通単語意味論を捕捉し,新しい変換法により他の言語からトピック語分布を組込むための組み込みモジュールを提案した。このように,交差言語コーパスのネットワークを一緒に結合した。結合ネットワークを共同訓練して,著者らのモデルはより解釈可能な多言語トピックスと識別トピック分布を推論できる。実世界データセットに関する実験結果は,トピック品質とテキスト分類性能に関して,著者らのモデルの優位性を示した。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： 意味論 ,  *言語 ,  ネットワーク ,  近似法 ,  確率モデル ,  単語 ,  コーパス
準シソーラス用語： テキスト分類 ,  *多言語 ,  高品質 ,  トピックモデル ,  *変分推論 , 【Automatic Indexing@JST】

著者キーワード (3件)： VAE ,  多言語文書 ,  トピックモデリング

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： 変分推論 ,  多言語 ,  トピック ,  学習