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。
過去数年間,深層学習の法的応用が上昇している。しかし,他の高消費意思決定領域と同様に,解釈可能性に対する要求は非常に重要である。法的実務者によって利用される現在のモデルは,従来の機械学習型であり,本質的に解釈可能であるが,データ駆動型深層学習モデルの性能能力を利用することができない。本研究では,商標間の混乱の可能性の問題に光を当てるために,商標法則の領域における深層学習モデルを利用した。特に,法的文書に対して効果的であることを証明する技法である,モデル診断可能な解釈可能な中間層を導入した。さらに,カリキュラム学習戦略による弱教師つき学習を利用して,深層学習モデルの性能改善を効果的に実証した。これは,法的専門家により,限られた数の高価な手動注釈付きサンプルしか利用できない従来のモデルと対照的である。本研究で提示した方法は,商標に対する混乱のリスクの課題に取り組むが,他の類似の高消費アプリケーションシナリオに対して,それらを他の分野に拡張するのは簡単である。【JST・京大機械翻訳】