文献紹介_20181024_An Empirical Evaluation of doc2vec with Practical Insights into Document Embedding Generation

Transcript

1. - 文献紹介 2018/10/24 - An Empirical Evaluation of doc2vec with Practical Insights into Document Embedding Generation 長岡技術科学大学 自然言語処理研究室 多田太郎
2. About the thesis Authors : Jey Han Lau, Timothy Baldwin IBM Research Conference : Proceedings of the 1st Workshop on Representation Learning for NLP, pages 78–86, 2016 Association for Computational Linguistics 2
3. Abstract ・doc2vecはオリジナル論文の様な性能を再現するのが難しい ・doc2vecを２つのタスクで実験し評価を行う ・大規模外部コーパスで学習したモデルや事前に学習された単語エンベディングで 高い性能を確認 ・汎用目的でハイパーパラメータの推奨値を提案 3
4. Introduction これらの疑問に焦点を当て検証を行う （1）異なるタスクでのdoc2vecの有効性？ （2）dmpvとdbowとでどちらが優れるか （3）ハイパーパラメータの最適化や事前に訓練された単語エンベディングによって doc2vecを改善することは可能か？ 4
5. Evaluation Tasks 1. Forum Question Duplication 2. Semantic Textual Similarity small in-document collection で学習 5
6. Evaluation Tasks 1. Forum Question Duplication 　StackExchangeから抽出した１２のsubforums 　ペア学習：５０Mから１Bの質問ペア 　テスト：30Mから300Mの質問ペア 2. Semantic Textual Similarity 6
7. Evaluation Tasks 1. Forum Question Duplication 7
8. Evaluation Tasks 1. Forum Question Duplication 2. Semantic Textual Similarity SEMとSemEvalの一部のshared task 文章のペアの類似性を求めるタスク 5 ドメイン, 各ドメイン 375 から 750のアノテートされたペアがある 8
9. Evaluation Tasks 2. Semantic Textual Similarity 9
10. Optimal Hyper-parameter Settings Training with Large External Corpora これまでの実験で結果の良かった dbow で実験 開発データを使用して以下のパラメータを固定し最適化 　・ initial learning rate : 0.025 　・ minimum learning rate : 0.0001 大規模な外部コーパスでの学習による有効性を検証 　・ English Wikipedia 　・ Associated Press English news articles from 2009 to 2015. 10
11. Optimal Hyper-parameter Settings 11
12. 12
13. Improving doc2vec with Pre-trained Word Embeddings 13
14. Conclusion ・２つのタスクで文書分散表現を評価 ・dbow で dmpv よりも良い結果を得た ・汎用目的のアプリケーションのハイパーパラメータの推奨値を提案 ・外部の大規模コーパスでの学習、事前学習したモデルの使用でロバストな性能を発揮 14