文献

J-GLOBAL ID：202002268540054726   整理番号：20A2282881

適応シーケンスラベリングのためのラベル関係出力構造の学習【JST・京大機械翻訳】

Learning Label-Relational Output Structure for Adaptive Sequence Labeling

著者 (6件)： He Keqing (Beijing University of Posts and Telecommunications,School of Information and Communication Engineering,Beijing,China) ,  Yan Yuanmeng (Beijing University of Posts and Telecommunications,School of Information and Communication Engineering,Beijing,China) ,  Xu Hong (Beijing University of Posts and Telecommunications,School of Information and Communication Engineering,Beijing,China) ,  Liu Sihong (Beijing University of Posts and Telecommunications,School of Information and Communication Engineering,Beijing,China) ,  Liu Zijun (Beijing University of Posts and Telecommunications,School of Information and Communication Engineering,Beijing,China) ,  Xu Weiran (Beijing University of Posts and Telecommunications,School of Information and Communication Engineering,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020年 
JST資料番号： W2441A  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： 配列ラベリングは自然言語理解の基本的タスクである。配列ラベリングタスクのための最近の神経モデルは十分な訓練データの利用可能性で有意な成功を達成する。しかし,実際のシナリオでは,同じドメインでも注釈されるエンティティタイプは連続的に進化している。以前に注釈されたデータに事前訓練されたソースモデルから知識を転送するために,潜在空間におけるラベル相関を明示的に捉えるためにラベル関係出力構造を学習するアプローチを提案した。さらに,ソースモデルM_SとターゲットモデルM_Tの間のターゲットからソースへの相互作用を構築し,M_SとM_Tにおける多くの情報が通過すべきかを制御するためにゲート機構を適用した。実験により,提案手法は,統計的に重要なマージンを持つ最先端の手法よりも一貫して優れており,特に,ターゲットデータにおける希少な新しいエンティティの認識を効果的に促進することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *相互作用
準シソーラス用語： 神経回路網モデル ,  自然言語理解 ,  訓練データ ,  エンティティ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 適応 ,  シーケンス ,  ラベリング ,  ラベル