文献

J-GLOBAL ID：202002258267663936   整理番号：20A2274380

ERNIEと特徴融合に基づく中国語質問分類【JST・京大機械翻訳】

Chinese Question Classification Based on ERNIE and Feature Fusion

著者 (8件)： Liu Gaojun (School of Information Science, North China University of Technology, Beijing, China) ,  Liu Gaojun (CNONIX National Standard Application and Promotion Laboratory, North China University of Technology, Beijing, China) ,  Yuan Qiuxia (School of Information Science, North China University of Technology, Beijing, China) ,  Duan Jianyong (School of Information Science, North China University of Technology, Beijing, China) ,  Duan Jianyong (CNONIX National Standard Application and Promotion Laboratory, North China University of Technology, Beijing, China) ,  Kou Jie (School of Information Science, North China University of Technology, Beijing, China) ,  Wang Hao (School of Information Science, North China University of Technology, Beijing, China) ,  Wang Hao (CNONIX National Standard Application and Promotion Laboratory, North China University of Technology, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12431  ページ： 343-354  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： 質問分類(QC)は質問回答(QA)システムの基本的タスクである。このタスクは,候補回答の範囲を効果的に狭め,情報検索と回答抽出の次のステップに対する意味的制約を提供することにより,システムの動作効率を改善する。質問における少数の単語のために,既存のQC方法のための深い意味情報を抽出することは難しい。本研究では,ERNIEと特徴融合に基づくQC法を提案した。ERNIEを用いてこの問題にアプローチし,単語ベクトルを生成し,次に特徴抽出モデルに入力するために使用した。次に,特徴抽出モデルとして,ハイブリッドニューラルネットワーク(CNN-BILSTM),ハイウェイネットワークおよびDCU(拡張構成ユニット)モジュールを組み合わせることを提案した。Fudan大学の質問分類データセットとNLPCC(QA)-2018データセットに関する実験結果は,著者らの方法がQCタスクの精度,再現率,およびF1を改良できることを示した。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 ,  情報検索 ,  ネットワーク ,  特徴抽出 ,  *中国語 ,  単語
準シソーラス用語： 意味情報 ,  再現率 ,  *特徴融合 , 【Automatic Indexing@JST】

著者キーワード (4件)： 中国の質問分類 ,  ERNIE ,  高速道路ネットワーク ,  特徴融合

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： 特徴融合 ,  中国語 ,  質問 ,  分類