自然言語タスクにおける複数ドメイン上の能動学習【JST・京大機械翻訳】

Longpre Shayne; Reisler Julia; Huang Edward Greg; Lu Yi; Frank Andrew; Ramesh Nikhil; DuBois Chris

プレプリント

J-GLOBAL ID：202202208719687010 整理番号：22P0282866

自然言語タスクにおける複数ドメイン上の能動学習【JST・京大機械翻訳】

Active Learning Over Multiple Domains in Natural Language Tasks

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 (7件)： , , , , , ,
資料名：
発行年： 2022年02月01日プレプリントサーバーでの情報更新日： 2022年02月08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)

アクティブ学習の研究は,単一ドメインからターゲットとソースデータステムを伝統的に仮定する。しかしながら,現実的応用では,実務者は,しばしば,データソースが目標ドメインを援助するか,または,隠す先験的でない,分布外データの複数の情報源による能動学習を必要とする。アクティブ学習(AL),ドメインシフト検出(DS),およびマルチドメインサンプリングにおける多様な技術を調査し,質問回答と感情解析に対するこの困難な設定を調べた。(1)どの方法がこのタスクに対して効果的であるか。(2)選択された例とドメインの性質が,強い結果を達成する。方法の4つのファミリーからの18の取得機能の中で,著者らはH-発散法,特に著者らの提案した変異体DAL-Eが,ランダムベースラインに対して2-3%の改善を平均化する有効な結果を得る。また,ドメインと例選択の両方に対する既存の方法の,多様な配置の重要性と,既存の方法の余地を示した。著者らの知見は,自然言語タスクのためのマルチドメイン能動学習に直面した実務者のための既存のおよび新しい方法の両方の最初の包括的解析をもたらした。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る