文献

J-GLOBAL ID：202102227388020610   整理番号：21A0088343

情報検索における転送学習のためのデータ集合選択【JST・京大機械翻訳】

Dataset Selection for Transfer Learning in Information Retrieval

著者 (6件)： Rughbeer Yastil (University of KwaZulu-Natal, Westville, South Africa) ,  Rughbeer Yastil (Centre for AI Research (CAIR), Cape Town, South Africa) ,  Pillay Anban W. (University of KwaZulu-Natal, Westville, South Africa) ,  Pillay Anban W. (Centre for AI Research (CAIR), Cape Town, South Africa) ,  Jembere Edgar (University of KwaZulu-Natal, Westville, South Africa) ,  Jembere Edgar (Centre for AI Research (CAIR), Cape Town, South Africa)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1342  ページ： 53-65  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  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： 情報検索は,大きな収集から関連情報を検索することによって,情報ニーズを満たすタスクである。最近,深いニューラルネットワークは,大規模訓練集合のアベイラビリティにより,分野におけるいくつかの性能ブレークスルーを達成した。しかしながら,訓練データが制限されるとき,神経検索システムは,非常に劣っている。訓練データの欠如を補償するために,研究者は,他の探索ドメインからのラベル付きデータに頼ることで,学習を転送するようになった。いくつかの公的に利用可能なデータセットへのアクセスにもかかわらず,研究者は,それらの特定のアプリケーションのための最良の訓練セットの選択において,現在,誘導されていない。この知識ギャップに対処するために,特定の探索領域に対する最適訓練セットを選択するための厳密な方法を提案した。TREC-COVIDチャレンジでこの方法を検証し,人工知能研究所と国立標準技術研究所により組織化した。著者らの神経モデルは,最初に143の競合システムからランク付けした。さらに重要なことに,提案した方法を用いて選択したデータセットの訓練により,この結果を達成することができた。本研究は,移動学習における注意深いデータセット選択により達成される性能利得を強調する。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： *情報検索 ,  *学習 ,  情報検索システム ,  ニューラルネットワーク ,  アベイラビリティ ,  人工知能 ,  情報需要 ,  応用プログラム ,  利得 ,  等級づけ
準シソーラス用語： 神経回路網モデル ,  TREC ,  訓練データ ,  転移学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 情報検索 ,  ランキング ,  転移学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 情報検索 ,  転送 ,  学習 ,  データ集合