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。
再現性は機械学習と自然言語処理(NLP)において最も懸念される。自然言語生成(特に機械翻訳)の分野において,Post(2018)の精力論文は,出版の時間において,優性計量,BLEUの再現性の問題を指摘した。今日,BERTベースの評価計量はBLEUをかなり凌駕する。本論文では,4つの最近のBERTベースの計量からの結果および請求が再現できるかどうかを主張した。請求と結果の再現は,(i)計量,(ii)欠測コード,および(iii)ベースライン計量に対するより弱い結果の報告を含む(i)重い非文書化前処理のため,しばしば失敗することを発見した。(iv)1例において,問題は人間スコアと相関しないが,csvファイルでは誤ったカラム,スコアを5点まで広げる。前処理の影響によって動機づけられて,著者らは次に,著者らは,より密接にその効果(計量の1つ)を調べる2番目の研究を行う。前処理が,特に高変曲言語に対して大きな効果を持つことを見出した。この場合,前処理の効果は,凝集機構(例えば, greedy欲配列対Word Mover距離)の効果よりも大きい可能性がある。【JST・京大機械翻訳】