| 研究課題/領域番号 |
21K17801
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 奈良先端科学技術大学院大学 (2022)
東京工業大学 (2021) |
|---|
研究代表者 |
上垣外 英剛 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (40817649)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2023-03-31
|
| キーワード | 知識グラフ / 知識グラフの補完 / 知識グラフの埋め込み / 負例サンプリング損失 / 視覚と言語の融合タスク / 視覚と言語の融合モデル / 事前学習済み言語モデル / BERT |
|---|
| 研究成果の概要 |
近年登場した，事前学習済み言語モデルを用いて大域的な情報を活用可能な共参照解析器を知識グラフにより支援することを目的に，知識グラフに対する補完を学習する際の理論的な分析を行なった．また，その分析に基づいて，疎な知識グラフにおける補完性能を向上させる技術についても提案した．さらに事前学習済み言語モデルが言語と画像の融合分野へと進出したことに対応し，言語と画像の両面からモデルに含まれるエンティティに関する知識を検証するタスク及びデータセットを作成し，またどのような構造のモデルが適しているかについても検証した．さらにエンティティを利用して自然言語生成モデルを制御可能かについても検証した．
|
| 自由記述の分野 |
自然言語処理
|
| 研究成果の学術的意義や社会的意義 |
本研究では事前学習済み言語モデルに基づいた共参照解析手法を支援することを目的に，知識グラフの補完性能の向上及び視覚と画像の融合分野において事前学習済み言語モデルに含まれている知識についてを検証するためのタスク及びデータセットを提案し，実際の検証を行なった．これらの成果は事前学習済み言語モデルの学習過程では通常明示的に与えられることがない知識を扱うものであり，昨今の事前学習済み言語モデルの急速な発展の後にも利用価値を持つことが期待できる．特に視覚と画像の融合分野においてはテキストの生成および画像の生成の両面において性能向上の観点から重要な研究成果であり，共参照解析に限定されない活用が期待される．
|
