文献

J-GLOBAL ID：202202263549718351   整理番号：22A0772397

クロスリンガル情報検索のためのクロスリンガル損失関数に基づくフレームワークへの学習【JST・京大機械翻訳】

A Learning to rank framework based on cross-lingual loss function for cross-lingual information retrieval

著者 (4件)： Ghanbari Elham (School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Ghanbari Elham (Department of Computer Engineering, Yadegar-e-Imam Khomeini (RAH) Shahre Rey Branch, Islamic Azad University, Tehran, Iran) ,  Shakery Azadeh (School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Shakery Azadeh (School of Computer Science, Institute for Research in Fundamental Sciences (IPM), Tehran, Iran)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 3  ページ： 3156-3174  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Rank(LTR)技法の学習は,文書をランク付けするために機械学習を使用する。本論文では,交差言語情報検索(CLIR)のための新しいLTRベースフレームワークを提案した。提案フレームワークのコアアイディアは,ソース言語における訓練クエリだけでなくターゲット言語における訓練クエリの知識の使用と,ソース言語における訓練クエリだけを使用する代わりにランキングモデルの構築である。提案したフレームワークは二つの主成分から成る。第1の構成要素は,質問と文書からモノリンガルと交差言語の特徴を抽出する。交差言語特徴を抽出するために,翻訳知識(翻訳知識,それは,目標言語におけるクエリで利用可能な翻訳知識を有する翻訳資源から抽出した確率的辞書の組合せから作り出される)の翻訳確率に基づく一般的アプローチを導入して,文書と質問の間のギャップを埋めた。提案したフレームワークの第2の構成要素は,入力LTRアルゴリズムのための提案した損失関数と特徴を最適化するためにランキングモデルを訓練する。CLIRのランキングモデルを構築するために,任意のリストワイズLTRアルゴリズムに対して新しい損失関数を提案した。この目的のために,LTRアルゴリズムの損失関数を,ターゲット言語における訓練データとソース言語における訓練データの両方に対して計算した。2つの損失関数(モノリンガルとクロスリンク)の調和平均の線形補間と,これらの2つの損失関数の比率を新しい損失関数として提案した。このフレームワークの出力は,提案した損失関数を最小化する目標で作成される交差言語ランキングモデルである。実験結果は,提案フレームワークが,平均精度(MAP)に関して,ベースライン情報検索方式と他のLTRランキングモデルより優れていることを示した。また,この知見は,交差言語特徴の使用が,MAPと正規化ディスカウント累積利得(NDCG)に関して,フレームワークの効率をかなり増加させることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  *情報検索 ,  *学習 ,  言語 ,  *損失関数 ,  翻訳【言語】 ,  精度 ,  利得 ,  正規化 ,  辞書 ,  文書 ,  機械学習
準シソーラス用語： 訓練データ ,  クエリー , 【Automatic Indexing@JST】

著者キーワード (3件)： ランク(LTR)の学習 ,  言語間情報検索(CLIR) ,  言語間特徴

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： クロスリンガル情報検索 ,  損失関数 ,  フレームワーク ,  学習