3次元自己組織化メモリの提案と自然言語からの知識抽出への応用

スポンサーリンク

概要

論文の詳細を見る
本稿では、3次元自己組織化メモリの提案と、自然言語からの知識抽出への応用について述べる。提案システムではまず、日本語から形態素解析システムJUMANと構文解析システムKNPにより語と語の関係が抽出され、短期記憶に格納される。短期記憶は処理の進行と共に忘却されるが、発生頻度の高い知識は減衰しない長期記憶に格納される。長期記憶に格納された知識は、提案する3次元自己組織化メモリを用いて分類・整頓される。この学習アルゴリズムには、Potential Firing という新しいアルゴリズムが用いられている。想起時には文章を入力として、学習に用いた多くの文章の中から連想された知識が想起される。ここでは、知識の重要性と階層性が考慮されるWaterFallRecallという新しいアルゴリズムが用いられている。想起された知識をもとに自然言語の質問に対してYes/Noで回答する機能を付加して、その優れた特性を確認している。
2004-03-10

著者

関連論文

もっと見る

スポンサーリンク