お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-09-16 10:00
深層学習を用いた離れているテキスト間の因果関係抽出
高 鵬挙山崎智弘伊藤雅弘東芝NLC2021-8
抄録 (和) これまでの因果関係抽出は手がかり表現などのパターンを用いる手法が多いが,パターンに当てはまらないものや離れたテキストに出現するものを抽出することが難しい。そこで本研究では,BERT の事前学習済みモデルを用いた深層学習によるアプローチを試みた。BERT は長すぎるテキストを扱えないため,BERT でセンテンスごとの特徴量を抽出したあとテキスト間の因果関係を抽出できるモデルを構築した。さらに,学習データのインバランス性を制御するため,文書のすべてのセンテンスを一度に入力するのではなく数センテンスずつのまとまりに分けて入力するようにした。その結果,離れたテキストの因果関係の抽出評価F値は0.400 から0.458 まで向上した。 
(英) Most of the Existing methods for causal relationship extraction utilize patterns such as clue expressions, but it is difficult to extract between those that do not fit the pattern or separated texts. Therefore, in our study, we tried an approach using the pre-trained model BERT. To overcome BERT input length limitation, we used Transformer to extract the causal relationships between the texts features. In addition, for data augmentation and imbalance controlling, we generated input from subsets of sentences instead of whole document. As a result, the extraction evaluation F value of the causal relationship improved from 0.400 to 0.458.
キーワード (和) 因果関係 / 深層学習 / BERT / オーグメンテーション / / / /  
(英) Causal relationship / Deep learning / BERT / Data augmentation / / / /  
文献情報 信学技報, vol. 121, no. 178, NLC2021-8, pp. 11-16, 2021年9月.
資料番号 NLC2021-8 
発行日 2021-09-09 (NLC) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード NLC2021-8

研究会情報
研究会 NLC  
開催期間 2021-09-16 - 2021-09-16 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 第18回テキストアナリティクス・シンポジウム 
テーマ(英) The 18th Text Analytics Symposium 
講演論文情報の詳細
申込み研究会 NLC 
会議コード 2021-09-NLC 
本文の言語 日本語 
タイトル(和) 深層学習を用いた離れているテキスト間の因果関係抽出 
サブタイトル(和)  
タイトル(英) A causal relation extraction among distant texts using deep learning 
サブタイトル(英)  
キーワード(1)(和/英) 因果関係 / Causal relationship  
キーワード(2)(和/英) 深層学習 / Deep learning  
キーワード(3)(和/英) BERT / BERT  
キーワード(4)(和/英) オーグメンテーション / Data augmentation  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 高 鵬挙 / Pengju Gao / コウ ホウキョ
第1著者 所属(和/英) (株)東芝 (略称: 東芝)
TOSHIBA Corporation (略称: TOSHIBA)
第2著者 氏名(和/英/ヨミ) 山崎 智弘 / Tomohiro Yamasaki / ヤマサキ トモヒロ
第2著者 所属(和/英) (株)東芝 (略称: 東芝)
TOSHIBA Corporation (略称: TOSHIBA)
第3著者 氏名(和/英/ヨミ) 伊藤 雅弘 / Masahiro Ito / イトウ マサヒロ
第3著者 所属(和/英) (株)東芝 (略称: 東芝)
TOSHIBA Corporation (略称: TOSHIBA)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-09-16 10:00:00 
発表時間 25分 
申込先研究会 NLC 
資料番号 NLC2021-8 
巻番号(vol) vol.121 
号番号(no) no.178 
ページ範囲 pp.11-16 
ページ数
発行日 2021-09-09 (NLC) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会