文献

J-GLOBAL ID：202002290457197232   整理番号：20A1034146

エンティティをランク付けするための文脈誘導学習【JST・京大機械翻訳】

Context-Guided Learning to Rank Entities

著者 (5件)： Kato Makoto P. (University of Tsukuba/JST, PRESTO, Tsukuba, Japan) ,  Imrattanatrai Wiradee (Kyoto University, Kyoto, Japan) ,  Yamamoto Takehiro (University of Hyogo, Kobe, Japan) ,  Ohshima Hiroaki (University of Hyogo, Kobe, Japan) ,  Tanaka Katsumi (Kyoto University, Kyoto, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12035  ページ： 83-96  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 著者らは,国の安全性,人気,および生活可能性の順序を学習するための方法を提案した。訓練データとして秩序化エンティティのサンプルを用いて線形関数を訓練し,特徴としてエンティティの属性を訓練した。そのような機能の例は,安全性に関する国の順序付けのために,f(Entity)[数式:原文を参照](警察予算)[数式:原文を参照](犯罪率)である。訓練データのサイズがこのタスクで典型的に小さいので,著者らは,過剰適合問題を克服するために,文脈誘導学習(CGL)と呼ばれる機械学習法を提案した。ラベル付け基準(例えば安全性)と属性の間の関係に関する大量の文脈を利用して,CGLは,文脈によって各々の属性のために適切な重みを推定することによって,正しい方向で学習を導いた。このアイデアは,サポートベクトルマシンに類似した正則化アプローチによって実行された。3つのデータセットにおいて158種類のオーダーで実験を行った。実験結果は,既存のランキング法に対するコンテキスト誘導の高い有効性を示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  犯罪 ,  警察 ,  等級づけ ,  正則化 ,  有効性 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： 訓練データ ,  順序づけ ,  *エンティティ ,  線形関数 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (5件)： エンティティ ,  ランク付け ,  文脈 ,  誘導 ,  学習