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。
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】