JP6969443B2 - 学習品質推定装置、方法、及びプログラム - Google Patents
学習品質推定装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6969443B2 JP6969443B2 JP2018033719A JP2018033719A JP6969443B2 JP 6969443 B2 JP6969443 B2 JP 6969443B2 JP 2018033719 A JP2018033719 A JP 2018033719A JP 2018033719 A JP2018033719 A JP 2018033719A JP 6969443 B2 JP6969443 B2 JP 6969443B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- discrete
- input
- output
- discrete series
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000013016 learning Effects 0.000 title claims description 177
- 238000000034 method Methods 0.000 title claims description 32
- 238000004364 calculation method Methods 0.000 claims description 43
- 230000002441 reversible effect Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 description 19
- 238000013519 translation Methods 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 14
- 238000003058 natural language processing Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 230000002411 adverse Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000001537 neural effect Effects 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/42—Data-driven translation
- G06F40/45—Example-based machine translation; Alignment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Machine Translation (AREA)
Description
本実施形態では、上述の非特許文献2に記載のAttention付き離散系列-離散系列変換器を用いて対訳学習用データに品質スコアを付与して選択する場合について説明する。この離散系列-離散系列変換器には、上記以外にも様々な手法(例えば、非特許文献3を参照。)が考えられるが、本実施形態においてはどの変換器を使用してもよい。
Dzmitry Bahdanau, Kyunghyun Cho and Yoshua Bengio, Neural Machine Translation by Jointly Learning to Align and Translate. Proceedings of the 3rd International Conference on Learning Representations, 2015.
誤りを含んでいる可能性のある対訳学習用ペアの入力を受け付ける。
既存の単語分割器を用いて、対訳学習用ペアの入力文及び出力文の各々を単語系列に分割する。
事前に学習して得られた離散系列-離散系列変換器の学習済みモデルを用いて、出力文の品質スコアを計算する。
上記手順を対訳学習用ペア全てについて繰り返し、全ての対訳学習用ペアについて品質スコアを得る。
得られた対訳学習用ペアの品質スコアに基づいて、対訳学習用ペアの並べ替えを行い、品質スコアが高い順に予め定められた数の対訳学習用ペアを選択する。
ここでは、上述のように誤りを含んでいない対訳学習用ペアに基づいて離散系列-離散系列変換器を学習する。
図1に示すように、本実施形態に係る学習品質推定装置90は、機能的には、演算部10と、入力部20と、出力部30と、を備えている。
図2に示すように、本実施形態に係る品質スコア計算部14は、符号化器14A、復号化器14B、及び尤度算出部14Cを含んで構成されている。なお、これらの符号化器14A及び復号化器14Bは、離散系列変換器を構成している。
上記第1の実施形態では、誤りを含まない第1学習用ペアの文章群(CF、CE)を利用して離散系列変換器の入力文から出力文への順方向のパラメタθfeを学習して利用した。本実施形態では、離散系列変換器の出力文から入力文への逆方向のパラメタθefも学習して利用する。これにより更なる精度向上を図ることが可能となる。この場合、例えば、両方向で得られた品質スコアJwの和を取り、それを選択に利用することができる。
図4に示すように、本実施形態に係る学習品質推定装置92は、機能的には、演算部10と、入力部20と、出力部30と、を備えている。なお、第1の実施形態に係る学習品質推定装置90と同一の機能を有する構成要素には、同一の符号を付しここでの繰り返しの説明は省略する。
これに対して、上記各実施形態を用いることにより学習用データの品質を推定することができ、それを基に学習用データを選択することで、機械学習に悪影響を与える誤ったデータを取り除くことができる。ゆえに、本実施形態を適用することで機械学習の学習精度を向上させることができる。
12 分割部
14 品質スコア計算部
14A 符号化器
14B 復号化器
14C 尤度算出部
16、16A、16B 記憶部
18 選択部
20 入力部
30 出力部
90、92 学習品質推定装置
Claims (5)
- 離散系列の入力を示す第1離散系列と出力を示す第2離散系列とが正しい対応関係である複数の第1学習用ペアに基づいて予め学習された、離散系列の第1離散系列を第2離散系列に変換する離散系列変換器の順方向学習済みモデル、及び、前記複数の第1学習用ペアに基づいて予め学習された、離散系列の第2離散系列を第1離散系列に変換する離散系列変換器の逆方向学習済みモデルを記憶した記憶部と、
対応関係に誤りを含んでいる可能性のある離散系列の入力及び出力からなる複数の第2学習用ペアの各々について、前記順方向学習済みモデル及び前記逆方向学習済みモデルの各々を用いて品質スコアを計算する品質スコア計算部と、
前記複数の第2学習用ペアの中から、前記品質スコア計算部により計算された品質スコアが高い順に予め定められた数の第2学習用ペアを選択する選択部と、
を備えた学習品質推定装置。 - 前記離散系列変換器は、ニューラルネットワークであり、
前記第2学習用ペアの入力及び前記第2学習用ペアの出力の各々に含まれる各離散シンボルを、固定長のベクトルに変換し、変換した各離散シンボルの固定長のベクトルを符号化して固定長のベクトル系列を得る符号化器と、
前記符号化器により前記第2学習用ペアの入力及び前記第2学習用ペアの出力の各々について得られた固定長のベクトル系列に基づいて、隠れベクトルを求め、前記隠れベクトルに基づいて、前記第2学習用ペアの入力に対する出力及び前記第2学習用ペアの出力に対する入力を得る復号化器と、
を含み、
前記品質スコア計算部は、前記第2学習用ペアに含まれる出力について、前記第2学習用ペアに含まれる入力から前記符号化器により得られた固定長のベクトル系列を入力として、前記復号化器により得られた固定長のベクトル系列に基づいて前記復号化器から前記第2学習用ペアの出力が得られる際の負の対数尤度を用いて、順方向の前記品質スコアを計算し、前記第2学習用ペアに含まれる入力について、前記第2学習用ペアに含まれる出力から前記符号化器により得られた固定長のベクトル系列を入力として、前記復号化器により得られた固定長のベクトル系列に基づいて前記復号化器から前記第2学習用ペアの入力が得られる際の負の対数尤度を用いて、逆方向の前記品質スコアを計算する請求項1に記載の学習品質推定装置。 - 前記品質スコア計算部は、前記第2学習用ペアの出力が得られる際の負の対数尤度を前記出力に含まれる離散シンボル数で除することで得られる離散シンボル当たりの負の対数尤度を、前記順方向の品質スコアとし、前記第2学習用ペアの入力が得られる際の負の対数尤度を前記入力に含まれる離散シンボル数で除することで得られる離散シンボル当たりの負の対数尤度を、前記逆方向の品質スコアとして出力する請求項2に記載の学習品質推定装置。
- 離散系列の入力を示す第1離散系列と出力を示す第2離散系列とが正しい対応関係である複数の第1学習用ペアに基づいて予め学習された、離散系列の第1離散系列を第2離散系列に変換する離散系列変換器の順方向学習済みモデル、及び、前記複数の第1学習用ペアに基づいて予め学習された、離散系列の第2離散系列を第1離散系列に変換する離散系列変換器の逆方向学習済みモデルを記憶した記憶部を備えた学習品質推定装置による学習品質推定方法であって、
品質スコア計算部が、対応関係に誤りを含んでいる可能性のある離散系列の入力及び出力からなる複数の第2学習用ペアの各々について、前記順方向学習済みモデル及び前記逆方向学習済みモデルの各々を用いて品質スコアを計算するステップと、
選択部が、前記複数の第2学習用ペアの中から、前記品質スコア計算部により計算された品質スコアが高い順に予め定められた数の第2学習用ペアを選択するステップと、
を含む学習品質推定方法。 - コンピュータを、請求項1〜3のいずれか1項に記載の学習品質推定装置が備える品質スコア計算部及び選択部として機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018033719A JP6969443B2 (ja) | 2018-02-27 | 2018-02-27 | 学習品質推定装置、方法、及びプログラム |
US16/975,679 US20200410345A1 (en) | 2018-02-27 | 2019-02-21 | Learning quality estimation device, method, and program |
PCT/JP2019/006555 WO2019167794A1 (ja) | 2018-02-27 | 2019-02-21 | 学習品質推定装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018033719A JP6969443B2 (ja) | 2018-02-27 | 2018-02-27 | 学習品質推定装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019149030A JP2019149030A (ja) | 2019-09-05 |
JP6969443B2 true JP6969443B2 (ja) | 2021-11-24 |
Family
ID=67804942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018033719A Active JP6969443B2 (ja) | 2018-02-27 | 2018-02-27 | 学習品質推定装置、方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200410345A1 (ja) |
JP (1) | JP6969443B2 (ja) |
WO (1) | WO2019167794A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021140957A1 (ja) * | 2020-01-08 | 2021-07-15 | ||
JP7476578B2 (ja) | 2020-03-06 | 2024-05-01 | 富士フイルムビジネスイノベーション株式会社 | 学習装置及びプログラム |
WO2021193025A1 (ja) * | 2020-03-25 | 2021-09-30 | パナソニックIpマネジメント株式会社 | データ生成方法、判定方法、プログラム、及び、データ生成システム |
EP4202798A4 (en) | 2020-08-21 | 2023-08-30 | Fujitsu Limited | TRAINING DATA GENERATION PROGRAM, TRAINING DATA GENERATION METHOD AND TRAINING DATA GENERATION DEVICE |
US20230401286A1 (en) * | 2022-06-14 | 2023-12-14 | Oracle International Corporation | Guided augmention of data sets for machine learning models |
CN114971425B (zh) * | 2022-07-27 | 2022-10-21 | 深圳市必提教育科技有限公司 | 数据库信息监控方法、装置、设备及存储介质 |
TWI815782B (zh) * | 2022-11-27 | 2023-09-11 | 互動細胞股份有限公司 | 擴增實境影像識別的組合方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112995A1 (en) * | 2009-10-28 | 2011-05-12 | Industrial Technology Research Institute | Systems and methods for organizing collective social intelligence information using an organic object data model |
CN102945232B (zh) * | 2012-11-16 | 2015-01-21 | 沈阳雅译网络技术有限公司 | 面向统计机器翻译的训练语料质量评价及选取方法 |
JP2016071439A (ja) * | 2014-09-26 | 2016-05-09 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 翻訳方法及び翻訳システム |
US9836457B2 (en) * | 2015-05-25 | 2017-12-05 | Panasonic Intellectual Property Corporation Of America | Machine translation method for performing translation between languages |
US11238348B2 (en) * | 2016-05-06 | 2022-02-01 | Ebay Inc. | Using meta-information in neural machine translation |
US10402495B1 (en) * | 2016-09-01 | 2019-09-03 | Facebook, Inc. | Abstractive sentence summarization |
CN107870900B (zh) * | 2016-09-27 | 2023-04-18 | 松下知识产权经营株式会社 | 提供翻译文的方法、装置以及记录介质 |
EP3616083A4 (en) * | 2017-04-23 | 2021-01-13 | Nuance Communications, Inc. | MULTILINGUAL SEMANTIC ANALYZER BASED ON TRANSFERRED LEARNING |
US10733380B2 (en) * | 2017-05-15 | 2020-08-04 | Thomson Reuters Enterprise Center Gmbh | Neural paraphrase generator |
US10867595B2 (en) * | 2017-05-19 | 2020-12-15 | Baidu Usa Llc | Cold fusing sequence-to-sequence models with language models |
CN107357775A (zh) * | 2017-06-05 | 2017-11-17 | 百度在线网络技术(北京)有限公司 | 基于人工智能的循环神经网络的文本纠错方法及装置 |
US10372828B2 (en) * | 2017-06-21 | 2019-08-06 | Sap Se | Assessing translation quality |
EP3454260A1 (en) * | 2017-09-11 | 2019-03-13 | Tata Consultancy Services Limited | Bilstm-siamese network based classifier for identifying target class of queries and providing responses thereof |
US10380236B1 (en) * | 2017-09-22 | 2019-08-13 | Amazon Technologies, Inc. | Machine learning system for annotating unstructured text |
US20190095961A1 (en) * | 2017-09-22 | 2019-03-28 | Facebook, Inc. | Applying a trained model for predicting quality of a content item along a graduated scale |
KR102462426B1 (ko) * | 2017-12-14 | 2022-11-03 | 삼성전자주식회사 | 발화의 의미를 분석하기 위한 전자 장치 및 그의 동작 방법 |
US10489792B2 (en) * | 2018-01-05 | 2019-11-26 | Asapp, Inc. | Maintaining quality of customer support messages |
KR102516364B1 (ko) * | 2018-02-12 | 2023-03-31 | 삼성전자주식회사 | 기계 번역 방법 및 장치 |
-
2018
- 2018-02-27 JP JP2018033719A patent/JP6969443B2/ja active Active
-
2019
- 2019-02-21 US US16/975,679 patent/US20200410345A1/en active Pending
- 2019-02-21 WO PCT/JP2019/006555 patent/WO2019167794A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019167794A1 (ja) | 2019-09-06 |
JP2019149030A (ja) | 2019-09-05 |
US20200410345A1 (en) | 2020-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6969443B2 (ja) | 学習品質推定装置、方法、及びプログラム | |
US11106714B2 (en) | Summary generating apparatus, summary generating method and computer program | |
CN108304390B (zh) | 基于翻译模型的训练方法、训练装置、翻译方法及存储介质 | |
CN110347799B (zh) | 语言模型训练方法、装置和计算机设备 | |
CN110110337B (zh) | 翻译模型训练方法、介质、装置和计算设备 | |
CN110134971B (zh) | 一种机器翻译的方法、设备以及计算机可读存储介质 | |
CN108038107B (zh) | 基于卷积神经网络的语句情感分类方法、装置及其设备 | |
JP2020505650A (ja) | 音声認識システム及び音声認識の方法 | |
US11232263B2 (en) | Generating summary content using supervised sentential extractive summarization | |
CN115795009A (zh) | 基于生成式多语言模型的跨语言问答***构建方法和装置 | |
CN110210032A (zh) | 文本处理方法及装置 | |
CN111783478B (zh) | 机器翻译质量估计方法、装置、设备及存储介质 | |
CN108920565B (zh) | 一种图片标题生成方法、装置和计算机可读存储介质 | |
CN113822054A (zh) | 基于数据增强的中文语法纠错方法及装置 | |
CN110929532B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN117877460A (zh) | 语音合成方法、装置、语音合成模型训练方法、装置 | |
CN117828024A (zh) | 一种插件检索方法、装置、存储介质及设备 | |
CN110287487B (zh) | 主谓语识别方法、装置、设备及计算机可读存储介质 | |
CN114707518B (zh) | 面向语义片段的目标情感分析方法、装置、设备及介质 | |
CN109635302B (zh) | 一种训练文本摘要生成模型的方法和装置 | |
JP2021051709A (ja) | テキスト処理装置、方法、デバイス及びコンピュータ読み取り可能な記録媒体 | |
CN117034916A (zh) | 构建词向量表示模型和词向量表示的方法、装置及设备 | |
CN113032534A (zh) | 对话文本的分类方法和电子设备 | |
CN112507107A (zh) | 术语匹配方法、装置、终端和计算机可读存储介质 | |
CN110399619A (zh) | 面向神经机器翻译的位置编码方法及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210406 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210928 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211011 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6969443 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |