文献

J-GLOBAL ID：202102235561951965   整理番号：21A2163571

テキスト生成のための深層学習アプローチ【JST・京大機械翻訳】

A Deep Learning Approach for Text Generation

著者 (3件)： Elmogy Ahmed (Prince Sattam Bin Abdelaziz Univ.,Computer Engineering Dept.,KSA) ,  Mahmoud Belal (Cairo Univ.,ISSR,Computer Science Dept.,Egypt) ,  Saleh Mohamed (Cairo Univ.,ISSR,Computer Science Dept.,Egypt)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCTA  ページ： 102-106  発行年： 2019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： 最も挑戦的な言語モデリング問題の1つはテキスト生成である。言語モデリングの重要性は会話システム,テキストへの音声,テキスト要約のような多くの言語処理タスクへの関与から来る。言語モデルは,テキストにおける以前の単語に基づくシーケンスにおける次の単語の発生を学習するために典型的に訓練される。しかし,試験に当たっては,全シーケンスは,多くの応用に適していないスクラッチから生成されることを非常に期待する。本論文では,テキスト生成手法を開発するために,双方向リカレントニューラルネットワーク(BRNN)と呼ばれるポピュラーな深層学習アーキテクチャの1つである。開発したアプローチで用いた再帰ニューラルネットワークは,長い短期メモリ(LSTM)を使用する。LMSTリカレントニューラルネットワークを用いることにより,提案した手法は時系列データに基づく予測に適している。本論文では,2つの表現を考察した。ベクトル(単語2vec)と1ホット表現に対する単語。Wonderland階におけるTwilightとAliceと呼ばれる2つのデータセットを用いて単語2vecモデルを使用し,一方,Wonderland層だけのAliceだけを用いて1hotモデルを使用した。実験結果は,大きなデータセットを使用するとき,単語2vecモデルが1ホットモデルより優れていることを示した。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： 記憶装置 ,  ベクトル ,  ニューラルネットワーク ,  計算機アーキテクチャ ,  *単語 ,  会話 ,  言語モデル
準シソーラス用語： 時系列データ ,  リカレントニューラルネットワーク ,  言語処理 ,  テキスト要約 ,  言語モデリング ,  *深層学習 , 【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 (1件)： 深層学習