- …
- …
#153 #acl2020
summarized by : taichi murayama
概要
形態素の派生形（例：read，reader，readable）を推定するタスク (morphological wellformedness (MWF))に対して，二部グラフ情報を活用するモデルであるDerivational graph auto-encoderを提案．
文や意味情報と共にmental lexiconから構成されたグラフ情報を入力としたモデルを学習する．
新規性
メンタルレキシコン情報を活用するために，入力として用いやすいグラフ情報に落とし込む点．グラフ情報に落とし込むことでMWFタスクにとって有用な情報の抽出が可能となっている．
結果
RedditのSubreddtを用いてMWFを行う実験をしたところ，提案モデルDerivational graph auto-encoderが，ベースラインの中で最高精度でありパラメータ数が提案モデルの10倍のLSTMを用いたCharacter-based Model が同程度の性能を達成．
更に，提案モデルから獲得できる入力データの潜在ベクトルを可視化してみたところ，他のモデルよりも同じ接頭辞を持つ語を同じグループとする結果がみられた．
- …
- …