文献

J-GLOBAL ID：202002262344008957   整理番号：20A0926016

無池化層畳込みニューラルネットワークにおける中国語分詞手法【JST・京大機械翻訳】

Convolutional Neural Networks Without Pooling Layer for Chinese Word Segmentation

著者 (3件)： Tu Wenbo (杭州師范大学 信息工程学院,杭州 311121;移動健康管理系統教育部工程研究中心,杭州 311121) ,  Yuan Zhenming (杭州師范大学 信息工程学院,杭州 311121;移動健康管理系統教育部工程研究中心,杭州 311121) ,  Yu Kai (杭州師范大学 信息工程学院,杭州 311121;移動健康管理系統教育部工程研究中心,杭州 311121)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 56  号： 2  ページ： 120-126  発行年： 2020年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 中国語情報処理において,分詞は一般的で重要なタスクである。多くの中国語自然言語処理タスクは,最初に単語を分割して,次に,分割した単語によって後続のタスクを完成する。最近、ますます多くの中国語分詞は機械学習と深さ学習方法を採用している。しかし、ほとんどのモデルには、異なる程度のモデルが複雑過ぎ、人工処理の特徴、未登録語に対する表現が悪いなどの欠点がある。畳込みニューラルネットワーク(CNN)に基づく中国語の単語分割モデル(PCNN)を提案して,それは,文字ベクトルの文脈ウィンドウに基づいて,文字のラベルを分類した。それは,単純構造,人工処理,良い安定性,高い精度などの利点を有しない。分散文字ベクトル自体の特性を考慮し、PCNNモデルにおいてコンボリューションのプール化(Pooling)操作を必要とせず、ロール積層抽出のデータ特徴が保留され、モデル訓練速度が大幅に向上した。実験結果は,公開データセットにおいて,モデルの精度が,現在の主流ニューラルネットワークモデルの表現レベルに達し,また,比較実験においても,無セル化層(PoolingLayer)のネットワークモデルが,プール化層を有するネットワークモデルより優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ベクトル ,  情報処理 ,  自然言語処理 ,  *中国語 ,  比較試験 ,  単語 ,  機械学習
準シソーラス用語： 神経回路網モデル ,  分かち書き ,  ネットワークモデル ,  学習方法 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 池 ,  畳込みニューラルネットワーク ,  中国 ,  手法