| 研究課題/領域番号 |
18K13240
|
|---|
| 研究機関 | 東北福祉大学 |
|---|
研究代表者 |
岩田 一樹 東北福祉大学, 総合マネジメント学部, 講師 (20515457)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 機械学習 / 文書生成 / 敵対生成ネットワーク / 自動評価 |
|---|
| 研究実績の概要 |
近年、大学をはじめとした高等教育において、アクティブ・ラーニングなどが重要視されるようになり、小論文やレポートを評価課題とすることが多くなった。本研究は、それら小論文等を評価するにあたって、採点者の時間的負担の軽減、および、評価における採点者のゆらぎの低減を目的に、敵対生成ネットワークの識別器に着目して、小論文やレポートの自動評価システムの構築を目指すものである。
本研究では、文章として連続した文字、または、単語という系列を扱う敵対生成ネットワークに着目しているが、2018年度は、敵対生成ネットワークにおける適切な初期の生成器の構築を目指し、以下の研究を行った。1)生成器にはLSTMを用いたリカレント・ニューラル・ネットワークを用いるが、そのネットワークの入力について、文字ベースと単語ベース、それぞれにおいて学習と予測についての検証を行った。2) 1) に加え、単語ベースの学習・予測については、前処理にword2vecによる分散表現化を行った際の影響を検討した。これらの上で、隠れ層のノード数や層数、用いる系列の長さ、ドロップアウト層の有無などのリカレント・ニューラル・ネットワークの構造を詳細に研究した。これらの検討の結果、分散表現化した単語ベースのモデルにおいて、初期の生成器としては適切な程度の文章を生成可能なモデルを得ることができた。
2019年度以降は、2018年度に得られたモデルを生成器として用いて、敵対的生成ネットワークの学習を行う予定である。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初の研究計画通り、2018年度において、敵対生成ネットワークにおける生成器のネットワーク構造を検討し、そのモデルを得ることができた。次年度以降は、生成器として得られたモデルを用いて、敵対生成ネットワークの検討を実施する予定である。
|
| 今後の研究の推進方策 |
2019年度は、前年度に得られたモデルを生成器として敵対生成ネットワークの学習を行っていく。敵対生成ネットワークの学習は、識別器の構造のみでなく、初期の生成器の学習回数など、生成器と識別機が適切な敵対関係、すなわち、片方のみが他方を圧倒する状況を作らないようパラメータの調整が必要である。これらハイパーパラメータを詳細に検討し、適切なパラメータを見出すことで、文書生成が可能な敵対生成ネットワークと識別器を取得する。
|
| 次年度使用額が生じた理由 |
物品費として計上していたワークステーションが当初の計画時よりも値下がりし、安価であったために差額が生じた。
|
