文献

J-GLOBAL ID：202002267211750427   整理番号：20A1204134

DTC:常識機械理解のための転送学習【JST・京大機械翻訳】

DTC: Transfer learning for commonsense machine comprehension

著者 (8件)： Han Weiguang (School of Computer Science, Wuhan University, Wuhan, China) ,  Peng Min (School of Computer Science, Wuhan University, Wuhan, China) ,  Xie Qianqian (School of Computer Science, Wuhan University, Wuhan, China) ,  Hu Gang (School of Computer Science, Wuhan University, Wuhan, China) ,  Gao Wang (School of Computer Science, Wuhan University, Wuhan, China) ,  Wang Hua (Centre for Applied Informatics, Victoria University, Melbourne, Australia) ,  Zhang Yanchun (Centre for Applied Informatics, Victoria University, Melbourne, Australia) ,  Liu Zuopeng (Xiaomi Inc., 68 Qinghe Middle St, Haidian District, Beijing, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 396  ページ： 102-112  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 一般的機械包括(CMC)は一般的な自然言語理解タスクである。CMCは,暗黙の共通知識を利用することによって,因果的および時間的推論に関するコンピュータを学習することを可能にする。そして,質問分析,探索エンジンおよび対話システムに適用することができる。CMCのための以前の方法は,CMCタスクに関するビジョンを制限して,それを無視して,認識しているTextual Entailment(RTE)タスクがCMCタスクと非常に類似していることを無視している。本論文では,移動学習モデルを提案した。これは,CMC例とRTE例を共有特徴空間にマッピングし,この特徴空間において理解することにより,RTEタスクにおける共通知識を利用できる。具体的には,まず,3つの要素を持つ移動学習フレームワークを確立した。(1)ソースとターゲットマッピング,(2)ドメイン正則化,(3)CMCスコア関数。次に,著者らは,著者らの移動学習フレームワークにおける各々の構成要素のために選択を作って,領域移動比較(DTC)モデルを提案した。このモデルは,従来の手法よりも性能が優れており,最先端技術による競合結果を提供することを,Storyクローズ試験での実験により示した。また,このモデルの各構成要素が性能に正の効果を持つことを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  学習モデル ,  質問分析 ,  正則化 ,  コンピュータ
準シソーラス用語： 自然言語理解 ,  対話システム ,  特徴空間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 常識機械理解 ,  認識テキスト含意 ,  伝達学習 ,  深層学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： DTC ,  常識 ,  理解 ,  転送 ,  学習