文献

J-GLOBAL ID：202102210799447186   整理番号：21A2990189

ドラムトラッキングのための深層強化学習に基づくアンサンブルモデル【JST・京大機械翻訳】

Deep reinforcement learning based ensemble model for rumor tracking

著者 (7件)： Li Guohui (Huazhong University of Science and Technology, Wuhan, China) ,  Dong Ming (Huazhong University of Science and Technology, Wuhan, China) ,  Ming Lingfeng (Huazhong University of Science and Technology, Wuhan, China) ,  Luo Changyin (Central China Normal University, Wuhan, China) ,  Yu Han (Wuhan Fiberhome Technical Services Co.,Ltd, Wuhan, China) ,  Hu Xiaofei (Wuhan Fiberhome Technical Services Co.,Ltd, Wuhan, China) ,  Zheng Bolong (Huazhong University of Science and Technology, Wuhan, China)
資料名： Information Systems  (Information Systems)
巻： 103  ページ： Null  発行年： 2022年 
JST資料番号： H0277C  ISSN： 0306-4379  CODEN： INSYD6  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： 完全に自動化された反芻は,ソーシャルネットワークにおける誤情報の危険を減らすために意味がある。自動化手法の一つとして,コンテンツベース反動は,4つの逐次サブタスク,即ち,検出,追跡,文章分類,および真実性に分割できるパイプラインである。特に,反芻の追跡は,潜在的反芻者のために関連ポストとフィルタ無関係なポストを収集して,それは反芻のために有意であり,広範囲に研究されていない。しかしながら,既存の提案は,特別な最適化なしでマルチタスク学習における補助タスクとして反芻追跡のみを考慮し,従って,追跡性能の精度を抑制した。この目的のために,重み調整ポリシーネットワークにより複数の成分を集約し,性能を改善するために特定の社会的特徴を利用する,反芻追跡(RL-ERT)のための深層強化学習ベースアンサンブルモデルを提案した。最後に,公開データセットに関する実験を行い,実験結果は,効率と有効性に関するRL-ERTの優位性を示した。Copyright 2021 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： 最適化 ,  フィルタ ,  自動化 ,  反芻 ,  有効性 ,  *強化学習
準シソーラス用語： 社会的ネットワーク ,  マルチタスク学習 ,  *深層強化学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： Rumorトラッキング ,  自然言語処理 ,  深層学習 ,  強化学習

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)： ドラム ,  トラッキング ,  深層強化学習 ,  アンサンブルモデル