文献

J-GLOBAL ID：202002289430049507   整理番号：20A0852801

結合質問トピック埋め込み学習による大規模質問タグ付け【JST・京大機械翻訳】

Large-Scale Question Tagging via Joint Question-Topic Embedding Learning

著者 (6件)： Nie Liqiang (Shandong University, Shandong Province, China) ,  Li Yongqi (Shandong University, Shandong Province, China) ,  Feng Fuli (National University of Singapore, Singapore) ,  Song Xuemeng (Shandong University, Shandong Province, China) ,  Wang Meng (Hefei University of Technology, China) ,  Wang Yinglong (Qilu University of Technology (Shandong Academy of Sciences), China)
資料名： ACM Transactions on Information Systems  (ACM Transactions on Information Systems)
巻： 38  号： 2  ページ： 1-23  発行年： 2020年 
JST資料番号： H0971A  ISSN： 1046-8188  資料種別： 逐次刊行物 (A)
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： 近年,人々が正確な情報を探すことができるように,Yahoo!回答とAnswerBagのような地域駆動質問応答(cQA)の繁栄が目撃されている。2010年以降,QuoraとZhihuを含むいくつかの新しいcQAシステムが運動量を獲得した。相互作用の他に,後者はユーザが質問において伝達されるキーポイントを強調するトピックタグによる質問をラベル付けすることを可能にする。本論文において,著者らは,あらかじめ定義されて,指向された非巡回グラフにあらかじめ組織化されたトピックタグによる新たに提案された質問を自動的に注釈することに光を当てた。このタスクを達成するために,類似性測度のためにそれらを同じ空間に投影することにより,質問と話題の埋め込みを共同的に学習するためのエンドツーエンド深い対話型埋込みモデルを提示した。特に,著者らは最初に,2つの深い並列モデルによって質問とトピックタグの埋め込みを学習した。そこで,著者らは,それらの階層構造を完全に調査することを通して,トピックタグの埋め込みを調整して,それは不均衡なトピック分布の問題を軽減することができた。その後,著者らはトピックタグマトリックス,すなわちすべてのトピックタグ埋め込みによる各質問埋込みを相互作用させた。それに続いて,S状交差エントロピー損失を付加して,正の質問-トピック対を報酬し,負のものをペナルティ化した。著者らのモデルを正当化するために,著者らはZhihu.comから得られた前例のない大規模な社会的QAデータセットに関する広範な実験を行い,実験結果は著者らのモデルがいくつかの最新のベースラインに対して優れた性能を達成することを実証した。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： 階層構造 ,  相互作用 ,  エントロピー ,  類似性 ,  測度 ,  *学習 ,  運動量 ,  基準線 ,  エンドツーエンド方式 ,  ペナルティ
準シソーラス用語： 不均衡 ,  対話型 ,  *タグ付 , 【Automatic Indexing@JST】

著者キーワード (4件)： CQA ,  質問タグ付け ,  学習の埋め込み ,  トピック階層

分類 (2件)： 検索技術  (AC06020S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 質問 ,  トピック ,  埋め込み ,  学習 ,  大規模 ,  タグ付け