@techreport{oai:ipsj.ixsq.nii.ac.jp:00231317,
 author = {平林, 楓真 and 為栗, 敦生 and 山口, 実靖},
 issue = {25},
 month = {Nov},
 note = {深層学習やそれに基づく大規模言語モデル開発の発展が,自然言語処理技術の発展に大きく貢献している.一方で,深層学習はブラックボックスでありその判断根拠が不明であるとの指摘もされている.そして,この課題に対して深層学習の判断根拠を抽出する手法や判断根拠となった学習データを抽出する手法が提案されている.本稿では,判断根拠となる学習データ抽出手法 TracIn に着目し,誤った判定に対して強い判断根拠となった学習データを不適切なデータとして抽出し,それを学習データがから削除することによりモデル構築を改善する手法を提案する.そして,大規模言語モデル BERT による記事分類のタスクに提案手法を適用し提案手法の性能を評価し,削除を行わない既存の手法よりも高い精度を達成できることを示す.また,実コーパスデータに対して本手法を適用した結果を示し,文書の重複などのコーパスの課題を明らかにできることも示す.},
 title = {深層学習における判断根拠学習データ抽出手法に基づく学習データの選定},
 year = {2023}
}