文献

J-GLOBAL ID：202002263527014610   整理番号：20A2461598

TOMATO:話題のマルチタスクスパース性モデル【JST・京大機械翻訳】

TOMATO: A Topic-Wise Multi-Task Sparsity Model

著者 (2件)： Zhang Jason (Jiasheng) (The Pennsylvania State University, State College, PA, USA) ,  Lee Dongwon (The Pennsylvania State University, State College, PA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’20  ページ： 1793-1802  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： マルチTask学習(MTL)は,タスク間の相互関係を活用し,限られたデータを持つアプリケーションに有用である。既存の研究は,異なるタスク関係仮定を作って,その妥当性はマルチタスク訓練の成功に重要である。多くのシナリオにおいて,タスク間の相互関係は,データの異なるグループ(即ち,トピック)で変化し,ここでは,トピック内タスク関係仮説と呼ぶ。この場合,均一タスク関係仮定による現在のMTLモデルは,異なるグループのデータ間の異なるタスク関係を完全に利用することができない。この観察に基づき,本論文では,任意の既存のMTL設計と組み合わせることができる,トピック内タスク関係を捉えるために,一般化トピックワイズマルチタスクアーキテクチャを提案した。さらに,2種類のスパース性制約とともに,新しい特殊化MTL設計,トピックタスクスパース性を提案した。主題-タスク-スパース性設計と組み合わせたアーキテクチャは,提案したTOMATOモデルを構築する。合成および4つの実世界データセットに関する実験は,著者らの提案モデルが,タスクワイズ比較に関して,6つの最先端のモデルと2つのベースラインを一貫して上回ることを示し,提案したトピック内タスク関係仮説の妥当性を実証した。https://github.com/JasonLC506/MTSEMにおけるTOMATOのソースコードとデータセットを解放した。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 ,  応用プログラム ,  基準線 ,  *計算機アーキテクチャ
準シソーラス用語： *スパース性 ,  ソースコード ,  *マルチタスク , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチタスク ,  スパース性 ,  話題

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

タイトルに関連する用語 (4件)： 話題 ,  マルチタスク ,  スパース性 ,  モデル