uLSIFを用いた事例への重み付けによる語彙曖昧性解消の領域適応

• Item type: SIG Technical Reports(1)
• 公開日: 2014-08-25
• タイトル: uLSIFを用いた事例への重み付けによる語彙曖昧性解消の領域適応
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 構文解析・構造解析
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 茨城大学工学部情報工学科
• 著者所属: 茨城大学工学部情報工学科
• 著者所属: 茨城大学工学部情報工学科
• 著者所属: 茨城大学工学部情報工学科
• 著者所属(英): en
• 著者所属(英): Ibaraki University
• 著者所属(英): en
• 著者所属(英): Ibaraki University
• 著者所属(英): en
• 著者所属(英): Ibaraki University
• 著者所属(英): en
• 著者所属(英): Ibaraki University
• 著者名: 新納, 浩幸; 菊池, 裕紀; 佐々木, 稔; 古宮, 嘉那子
• 著者名(英): Hiroyuki, Shinnou; Hironori, Kikuchi; Minoru, Sasaki; Kanako, Komiya
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では語義曖昧性解消の教師なし領域適応の問題に対して，ソース領域の訓練事例に重みをつけた重み付き学習を利用する．事例の重みを算出するために，ターゲット領域に対するソース領域の確率密度比を直接モデル化する uLSIF を用いる．また uLSIF では，通常，基底関数にガウスカーネルを利用するが，本論文では線形カーネルを利用する．また重み付き学習では，通常，ロジスティック回帰や最大エントロピー法を用いるが，ここでは SVM を利用する．その上で確率密度比が極端に小さい，あるいは大きい事例のみに重みを与える方法を提案する．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10115061
• 書誌情報: 研究報告自然言語処理（NL）; 巻 2014-NL-218, 号 2, p. 1-8, 発行日 2014-08-25
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会