• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

深層学習とシンボリックな推論を統合する基礎技術の開発と文章読解システムへの応用

研究課題

研究課題/領域番号 20K23314
研究種目

研究活動スタート支援

配分区分基金
審査区分 1001:情報科学、情報工学およびその関連分野
研究機関東北大学

研究代表者

吉川 将司  東北大学, タフ・サイバーフィジカルAI研究センター, 助教 (80883470)

研究期間 (年度) 2020-09-11 – 2022-03-31
研究課題ステータス 完了 (2021年度)
配分額 *注記
2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
キーワード自然言語処理 / 深層学習 / 文章読解 / 機械学習 / 記号推論 / 数量推論 / 記号処理 / 言語推論
研究開始時の研究の概要

深層学習は大量の教師データと誤差逆伝播法を用いたend-to-end学習により、文章読解を含む多くの自然言語処理課題において高い性能を獲得している。しかし、このようなシステムには扱いが困難な言語の推論タイプが存在し、文章読解における数量推論はその典型例である。本研究では、数量推論を深層学習モデルの微分可能関数内部で行わせるのではなく、数量計算に必要な項を抽出して外部のシンボリックなプログラムに計算させながら、システム全体はend-to-endに学習する仕組みを開発することで、パラメータ効率が良く、モデルの挙動により透明性を持つ深層文章読解モデルを構築する。

研究成果の概要

我々は、深層学習による自然言語処理を発展させる鍵は、その技術と記号推論を組み合わせることにあると考える。これにより、データ効率が良く、テキストの変異に頑健であり、推論過程の透明性を持ったシステムの開発できる。しかし、深層学習の鍵は誤差逆伝搬法であるため、離散的な記号関数は本来的に相性が悪い。本課題では、Gumbel-Softmaxトリックを応用し、このようなシステムの勾配による学習を可能にする。
この手法を用い、深層学習ベースの自然言語処理における未解決問題である数量推論に取り組む。我々は深層言語モデルに電卓を組み込むことでこの問題に対処する。

研究成果の学術的意義や社会的意義

深層学習言語モデルの高い推論能力が喧伝される一方で、少し入力を操作するだけで思わぬ挙動を示すなど脆弱性も分野内でよく知られている。記号推論の仕組みを外部知識として組み込むことで、深層モデルのブラックボックス性を軽減でき、推論過程の透明性のみならず、期待される推論過程を教え込むことでより頑健なシステムを構築することが可能になる。
数量は言語中に頻出である一方で自然言語処理では見過ごされがちである。金融文章の解析など応用にも直結する課題であるが、本研究の取り組みにより数量処理に大きな前進をもたらすことが期待される。

報告書

(3件)
  • 2021 実績報告書   研究成果報告書 ( PDF )
  • 2020 実施状況報告書
  • 研究成果

    (6件)

すべて 2022 2021

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (5件)

  • [雑誌論文] Instance-Based Neural Dependency Parsing2021

    • 著者名/発表者名
      Ouchi Hiroki、Suzuki Jun、Kobayashi Sosuke、Yokoi Sho、Kuribayashi Tatsuki、Yoshikawa Masashi、Inui Kentaro
    • 雑誌名

      Transactions of the Association for Computational Linguistics

      巻: 9 ページ: 1493-1507

    • DOI

      10.1162/tacl_a_00439

    • 関連する報告書
      2021 実績報告書
    • 査読あり / オープンアクセス
  • [学会発表] End-to-End 学習可能な記号処理層の検討と数量推論への応用における課題の分析2022

    • 著者名/発表者名
      吉川将司, Benjamin Heinzerling, 乾健太郎
    • 学会等名
      言語処理学会第28回年次大会
    • 関連する報告書
      2021 実績報告書
  • [学会発表] 四則演算を用いた Transformer の再帰的構造把握能力の調査2022

    • 著者名/発表者名
      松本悠太, 吉川将司, Benjamin Heinzerling, 乾健太郎
    • 学会等名
      言語処理学会第28回年次大会
    • 関連する報告書
      2021 実績報告書
  • [学会発表] 多段の数量推論タスクに対する適応的なモデルの振る舞いの検証2022

    • 著者名/発表者名
      青木洋一, 工藤慧音, Ana Brassard, 栗林樹生, 吉川将司, 乾健太郎
    • 学会等名
      言語処理学会第28回年次大会
    • 関連する報告書
      2021 実績報告書
  • [学会発表] 数量推論モデルに対する人工データを活用した表層的な手がかりに頑健な評価法の検討2021

    • 著者名/発表者名
      工藤慧音, 青木洋一, 吉川将司, 乾健太郎
    • 学会等名
      NLP若手の会第16回シンポジウム
    • 関連する報告書
      2021 実績報告書
  • [学会発表] 離散記号処理に対する近似的な微分構造の考察と数量推論を要する文章読解問題への応用2021

    • 著者名/発表者名
      吉川将司, 乾健太郎
    • 学会等名
      言語処理学会第27回年次大会
    • 関連する報告書
      2020 実施状況報告書

URL: 

公開日: 2020-09-29   更新日: 2023-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi