文献

J-GLOBAL ID：202102229198579877   整理番号：21A1205106

微調整Word2VecモデルによるBangla言語のための単語埋込みのロバストで一貫性のある推定【JST・京大機械翻訳】

Robust and Consistent Estimation of Word Embedding for Bangla Language by fine-tuning Word2Vec Model

著者 (1件)： Rahman Rifat (Bangladesh University of Engineering & Technology and Southeast University,Department of Computer Science and Engineering,Dhaka,Bangladesh)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCIT  ページ： 1-6  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： 単語のWord埋込みまたはベクトル表現は,自然言語処理の任意の機械学習ベースモデルのための有益な特徴である単語の構文的および意味的特徴を保持する。単語2vec,高速テキスト,gensim,グローブなどの単語のベクトル化のためのいくつかの深い学習ベースのモデルがある。本研究では,異なるハイパーパラメータを調整することにより単語ベクトルを学習するための単語2vecモデルを解析し,Bangla言語に対する最も効果的な単語埋込みを示した。単語2vecモデルの微調整により生成された異なる単語埋込みの性能を試験するために,固有および外因性評価の両者を行った。単語ベクトルをクラスタ化し,固有評価に対する単語の関係類似性を調べ,また,外因性評価のためのニュース記事分類器の特徴として,異なる単語埋込みを使用した。著者らの実験から,4のスライディングウィンドウサイズを用いた単語2vecモデルの「スキップグラム」法から生成した300次元の単語ベクトルがBangla言語に対して最もロバストなベクトル表現を与えることを見出した。Copyright 2021 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： ベクトル ,  学習 ,  *言語 ,  クラスタ化 ,  自然言語処理 ,  類似性 ,  手袋 ,  *単語 ,  *ロバスト性 ,  機械学習
準シソーラス用語： ベクトル化 ,  スライディングウィンドウ ,  ニュース記事 ,  ハイパーパラメータ ,  構文 , 【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 (7件)： 微調整 ,  モデル ,  言語 ,  単語 ,  埋込み ,  ロバスト ,  推定