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。
意味構文解析(SP)は,Google AssistantおよびAmazon Alexaのような現代の仮想支援のコア成分である。シーケンスツーシーケンスベースの自己回帰(AR)手法は会話的意味構文解析に対して一般的であるが,最近の研究では非自己回帰(NAR)復号器を採用し,競合構文品質を維持しながら推論待ち時間を低減する。しかし,NAR復号器の主な欠点は,ビーム探索のようなアプローチでトップk(即ち,k-best)出力を生成する困難さである。この課題に取り組むために,復号器に意図的条件付けを導入する新しいNARセマンティックパーザを提案する。従来の意図とスロットタグ付けパーザに触発されて,著者らは,構文の残りからトップレベルの意図予測を切り離す。トップレベルの意図が構文の構文と意味論を大きく支配するので,意図的調整はビーム探索をよりよく制御することを可能にし,トップk出力の品質と多様性を改善する。訓練と推論ミスマッチを避けるため,ハイブリッド教師強化アプローチを導入した。会話SPデータセット,TOP&TOPv2に関する提案NARを評価した。既存のNARモデルと同様に,より多様な出力を生成し,2.4ポイントでトップ-3正確なマッチ(EM)を改善することで,O(1)復号化時間の複雑性を維持する。ARモデルと比較して,著者らのモデルは,競合トップ-kEMによるCPUの6.7倍のビーム探索推論をスピードアップした。【JST・京大機械翻訳】