話者情報は誘導バイアスを改善するモデルをガイドする:コードスイッチングの予測に関する事例研究【JST・京大機械翻訳】

Ostapenko Alissa; Wintner Shuly; Fricke Melinda; Tsvetkov Yulia

プレプリント

J-GLOBAL ID：202202211296696833 整理番号：22P0305629

話者情報は誘導バイアスを改善するモデルをガイドする:コードスイッチングの予測に関する事例研究【JST・京大機械翻訳】

Speaker Information Can Guide Models to Better Inductive Biases: A Case Study On Predicting Code-Switching

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 (4件)： , , ,
資料名：
発行年： 2022年03月16日プレプリントサーバーでの情報更新日： 2022年03月16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)

人々生成データで訓練された自然言語処理(NLP)モデルは,制約なしに,タスクとは関連しない偽相関から学習できるため,信頼できない。制御,教育された方法で話者情報を持つモデルを強化することは,関連する帰納的バイアスをピックアップするためにそれらを誘導できると仮定した。英語-Spanishバイリンガル対話における符号-スイッチング点を予測する話者駆動タスクに対して,著者らは,先立つ早急として社会言語学的に接地された話者特徴の追加が,精度を著しく改善することを示した。入力に影響力のあるフレーズを加えることによって,話者情報モデルは有用で説明可能な言語情報を学習することを発見した。著者らが知る限りでは,コードスイッチングのためのニューラルモデルに話者特性を組み込むことが初めてであり,より一般的には,制御方法で話者情報を使用する,透明で個人化されたモデルを開発するステップを取る。【JST・京大機械翻訳】

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

パターン認識 , 情報加工一般

, , , , , ,

前のページに戻る