文書分類における効果的なマルチタスク学習のための汎用的サブタスクの要件分析

概要

文書分類において，キーフレーズや固有表現の抽出をサブタスクとしたマルチタスク学習によって，分類精度が向上することが報告されている．しかし，マルチタスク学習を用いるためには本来の文書分類のアノテーションに加え，サブタスクのアノテーションが必要となり，余分に人的・金銭的コストがかかる．そのため，これらのコストはマルチタスク学習を実践的に適用する際の障壁となっている．これに対し，著者らは経験則に基づく手法によってサブタスクのラベルを機械的に付与することで低コストなサブタスクを実現する研究を行い，分類精度が向上することを確認した．低コストなサブタスクは，これまでのテキスト分析に関わる知見を転用できる可能性があり，その可用性の議論を行う必要がある．加えて，どのようなサブタスクが文書分類の性能向上に寄与するかについての要件が明らかにはなっていない．そこで，本研究では，マルチタスク学習において汎用的サブタスクを適用することで文書分類の精度が向上する要件を分析し，明らかにする．

引用情報

木村 優介, 駒水 孝裕, 波多野 賢治, 文書分類における効果的なマルチタスク学習のための汎用的サブタスクの要件分析, 電子情報通信学会技術研究報告, Vol.122, No.449, pp.38-43, 2023-03-18.