2ヶ月前
データ拡張を用いた深層再帰型ニューラルネットワークによる関係分類の改善
Yan Xu; Ran Jia; Lili Mou; Ge Li; Yunchuan Chen; Yangyang Lu; Zhi Jin

要約
現在、ニューラルネットワークは関係分類のタスクにおいて重要な役割を果たしています。異なるニューラルアーキテクチャを設計することで、研究者たちは従来の手法と比較して性能を大幅に向上させています。しかし、関係分類用の既存のニューラルネットワークは通常、浅い構造(例えば、単層の畳み込みニューラルネットワークや再帰型ニューラルネットワーク)であり、異なる抽象レベルでの潜在的な表現空間を十分に探索できない可能性があります。本論文では、この課題に対処するために深層再帰型ニューラルネットワーク(Deep Recurrent Neural Networks: DRNNs)を関係分類に提案します。さらに、関係の方向性を利用したデータ拡張方法も提案します。我々はDRNNsをSemEval-2010 Task 8で評価し、F1スコア86.1%という結果を得ました。これは以前の最先端の記録結果を上回っています。