| 研究課題/領域番号 |
19H04162
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
鈴木 潤 東北大学, データ駆動科学・AI教育研究センター, 教授 (80396150)
|
|---|
| 研究分担者 |
松林 優一郎 東北大学, 教育学研究科, 准教授 (20582901)
乾 健太郎 東北大学, 情報科学研究科, 教授 (60272689)
赤間 怜奈 東北大学, データ駆動科学・AI教育研究センター, 助教 (70912533)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 自然言語処理 / 人工知能 / 機械学習 / 文章生成 / 解釈性 / 説明性 |
|---|
| 研究実績の概要 |
ある入力文章を，事前の定義に基づいて別の文章に変換する「文章変換技術」として広く用いられている符号化復号化器に関して，その処理過程を人間が解釈でき，かつ，処理結果を人手により比較的容易に操作できる技術の開発，及び，文章変換技術そのものの性能向上に取り組んだ.
本年度の主要な成果は，自然言語解析タスクを題材として，予測時に，学習データ内の事例を予測根拠として提示可能な方法論を構築した．これにより，単純な分類問題ではなく，出力に構造を持つような問題の予測であっても，適切に予測根拠を提示できるようになった．この結果，従来の典型的な深層学習により得られるモデルよりも，人間が予測理由をはるかに把握しやすくなった. この技術を文章変換時に転用することで，生成した文章に対して，言語的な特性を提示することが可能となり，生成誤りをより判別し易くなる．更に，昨今文章変換技術として最もよく用いられる方法論に関して，生成する文章の文長に対して学習時に不当なバイアスがかかっていることを実験的調査により明らかにし，このバイアスを解消する簡潔は改善方法を提案した．この研究成果により，様々な文章変換技術の性能向上に貢献した．
また，上記主要な成果以外にも，機械翻訳の結果に対して，様々な言語現象に対する頑健性を調査し，現在の機械翻訳が言語的な観点でどのような誤りが発生しやすいかを明らかにした．また，対話システムに焦点を当て，文章変換の良さを計測する方法論についても研究をおこなった．更に，文章変換技術の性能を更に底上げする技術として，ニューラルネットワークを効果的に多層化する研究にも取り組んだ．
|
| 現在までの達成度 (段落) |
令和3年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和3年度が最終年度であるため、記入しない。
|
