LSTMを用いたNon-Factoid型長文回答構築手法

中辻 真  奥井 颯平  藤田 明久  

誌名
電子情報通信学会論文誌 D   Vol.J102-D   No.4   pp.267-276
発行日: 2019/04/01
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2018DEP0004
論文種別: 特集論文 (データ工学と情報マネジメント論文特集)
専門分野: 質問応答
キーワード: 
質問応答,  チャットボット,  LSTM,  深層学習,  

本文: PDF(549.6KB)>>
論文を購入




あらまし: 
深層学習を用いたQA応答技術が注目されている.しかし,現在のQAシステムは以下の二つの問題をもつ.(1) 単語の使われ方は質問の背景に強く依存することが多いが,現在の単語ベクトルの生成においては,そうした背景を十分に活用できていない.(2) QAサイトが保持する回答の中から回答候補を選択するため,新しい回答を構築できない.結果,QAサイトが保持する質問と異なる質問には回答できない.本論文では上記問題に取組むため,以下のアイデアに基づくNeural Answer Construction Modelを提案する.(1) 質問の背後にあるカテゴリーやタイトルの情報を単語ベクトルに埋込むことで,質問に使用された単語の背景に合った回答を抽出する.(2) BiLSTMを使用し,質問と,回答を構成する文として結論を表す文,及び結論に対する補足文の表現ベクトルを計算する.更に,結論文と補足文の最適な組合せと,質問と結論文または補足文の近さを同時学習する.実データセットを用いた評価により,提案手法が回答構築において高い精度を達成することを示した.