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。
HTML文書は,人間の消費のためのWebに関する情報を分割するための重要なメディアである。HTML文書は,非構造化テキスト,構造化鍵値ペア,およびテーブルを含む複数のテキストフォーマットにおける情報を提供する。これらの文書の有効な表現は,質問Answing,Web検索,および個人化のような広範囲の応用を可能にするための機械理解に不可欠である。既存の研究は,典型的に計算的に高価であるブラウザでそれらをレンダリングすることにより抽出した視覚特徴を用いてこれらの文書を表現し,そのHTML構造で提示された有用な情報を捉えることに失敗する。テキストとHTML構造はコンテンツの重要な意味論を伝達し,従って,それらの表現学習のための特別な処理を保証することを論じた。本論文では,Webページ,dubbed DOM-LMに対する新しい表現学習アプローチを導入し,これは,テキストとDOMツリー構造を,変圧器ベース符号器で符号化し,自己教師付き事前訓練によるHTML文書のための一般化可能表現を学習することにより,既存の手法の限界を扱う。Attribute抽出,Open Information Expression,およびQuestation Answingを含む,様々なWebページ理解タスクに関するDOM-LMを評価した。著者らの広範な実験は,DOM-LMがこれらのタスクのために設計したすべてのベースラインを一貫して凌ぐことを示した。特に,DOM-LMは,少数ショットとゼロショット設定の両方でより良い一般化性能を示し,限られたラベル付きデータによる実世界アプリケーション設定に適したものにする。【JST・京大機械翻訳】