ロバストな自然言語処理:最近の進歩,挑戦および将来の方向【JST・京大機械翻訳】

Omar Marwan; Choi Soohyeon; Nyang DaeHun; Mohaisen David

プレプリント

J-GLOBAL ID：202202202525562936 整理番号：22P0023005

ロバストな自然言語処理:最近の進歩,挑戦および将来の方向【JST・京大機械翻訳】

Robust Natural Language Processing: Recent Advances, Challenges, and Future Directions

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月03日プレプリントサーバーでの情報更新日： 2022年01月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近の自然言語処理(NLP)技術は,主に深層学習の性能の大幅な改善により,ベンチマークデータセット上で高性能を達成した。研究コミュニティの進歩は,仮想支援,音声認識,および感情分析のようなNLPタスクのための最先端の生産システムにおける大きな強化をもたらした。しかし,そのようなNLPシステムは,敵対攻撃で試験するとき,まだ失敗する。現在のモデルの言語理解能力において,ロバスト性を露出するロバスト性の初期欠如は,NLPシステムが現実の生活で展開するとき,問題を創造する。本論文では,様々な次元にわたる系統的方法で文献を要約することにより,NLPロバスト性研究の構造化概要を示した。次に,技術,計量,埋込み,およびベンチマークを横断して,ロバスト性の様々な次元に深達する。最後に,ロバスト性は多次元的であり,現在の研究への洞察を提供し,文献のギャップを同定し,これらのギャップに取り組むために追求する価値を示唆した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

自然語処理

前のページに戻る