抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
機械読解理解(MRC)の進歩は,(質問,パラグラフ,回答)トリプルの形で大規模人間注釈付き例の収集に大きく依存している。対照的に,人間は典型的には少数の例のみを一般化できるが,これは,より深く基本的な世界知識,言語学 so化,および/または単に優れた演繹力に依存する。本論文では,回答スパンが正しい機械を明示的に知らせる,少数の半構造化説明を用いて,理解を読む「教示」機械読解に焦点を当てた。構造化変数と説明から規則を抽出し,下流のMRCモデルを訓練するためのインスタンスを注釈する神経モジュール教師を構成する。学習可能ニューラルモジュールとソフト論理を用いて言語変動を処理し,スパースカバレッジを克服した。モジュールをMRCモデルで共同最適化し,最終性能を改善した。SQuADデータセット上で,提案手法は,1,100のラベル付きインスタンスを用いたプレーン教師つき学習に匹敵する,26の説明から70.14%のF1スコアを達成し,12xのスピードアップをもたらした。【JST・京大機械翻訳】