| 研究課題/領域番号 |
17K00318
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 豊田工業大学 |
|---|
研究代表者 |
佐々木 裕 豊田工業大学, 工学(系)研究科(研究院), 教授 (60395019)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | Poincare埋め込み / Poincare Glove / レトロフィッティング / オントロジー埋め込み / 交通知識ベース / Poincare GloVe / 記号・ニューラル学習 / 埋め込みベクトル / オントロジ / グラフ埋め込み / WSD / Word Embedding / Onology |
|---|
| 研究成果の概要 |
単語や文を深層学習の入力データとして利用するためには，単語や文の意味を数値ベクトルとして表現する必要がある．本研究では，異質な2種類の情報源である文書情報と知識ベースを，Poincare埋め込み技術をベースとして統合埋め込みベクトル空間に写像するレトロフィッティング法を開発した．実験により，文書から構築したPoincare GloVeベクトルを，概念の上下関係から作成したPoincare 埋め込みベクトルを骨格として再配置することで，単語の上下関係の予測性能を大きく改善できることを明らかにした．また，知識ベースと文書を関連付けるため，交通オントロジーに基づく新しい交通コーパスを構築した．
|
| 研究成果の学術的意義や社会的意義 |
単語や文を数値ベクトルとして表現する技術は深層学習において非常に重要である．しかし，これまで単語を数値ベクトルとして表現する技術と知識構造を埋め込みベクトルとして表現する技術はそれぞれ独立に研究されてきた．特に，Poincare埋め込みは単語の上位下位関係の表現に適しており，知識ベースのベクトル表現に非常に適した方法であるが，扱える単語に制約があった．本研究では，レトロフィッティング法により，大量文書から作成したPoincareベクトルを概念構造から作成したPorincare埋め込みに適合させた点に意義がある．また，交通に関する知識と文書をリンクした新コーパスを一般公開し社会に貢献する．
|
