音声言語理解におけるスロット充填のためのリカレントニューラルネットワークにおける変分推論ベースドロップアウト【JST・京大機械翻訳】

Qi Jun; Liu Xu; Tejedor Javier

プレプリント

J-GLOBAL ID：202202202579724729 整理番号：22P0187179

音声言語理解におけるスロット充填のためのリカレントニューラルネットワークにおける変分推論ベースドロップアウト【JST・京大機械翻訳】

Variational Inference-Based Dropout in Recurrent Neural Networks for Slot Filling in Spoken Language Understanding

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 (3件)： , ,
資料名：
発行年： 2020年08月23日プレプリントサーバーでの情報更新日： 2020年08月23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)

本論文では,長短期メモリ(LSTM)セルに採用された変分推論(VI)ベースドロップアウト正則化による変分再帰ニューラルネットワーク(RNN)を,ゲートリカレントユニット(GRU)と双方向LSTM/GRUのようなより進んだRNNアーキテクチャに一般化することを提案する。新しい変分RNNをスロット充填のために採用し,それは話し言葉言語理解において興味深いが挑戦的なタスクである。ATISデータセットに関する実験は,VIベースドロップアウト正則化による変分RNNが,F測度に関してナイーブドロップアウト正則化RNNベースベースラインシステムを著しく改良できることを示した。特に,双方向LSTM/GRUによる変分RNNは,最良のF測度スコアを得る。【JST・京大機械翻訳】

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

パターン認識 , ニューロコンピュータ

, , ,

前のページに戻る