Solving morphological analogies: from retrieval to generation

要約

タイトル：形態的類推問題の解決：検索から生成へ

要約：

– 類推推論は人間の推論能力の素晴らしい能力であり、難しい推論課題の解決に利用されてきた。
– 類推に基づく推論（AR）は、分類、意思決定、競争力のある結果を示す推奨など多数の機械学習タスクで増加する関心を集めている。
– 研究者らは、形態的類推割合（AP）を用いたSiganalogiesデータセットで、類推検出と類推解決の2つの重要なタスクに取り組むための深層学習（DL）フレームワークを提案している。
– 従来の研究では、類推ニューラルネットワーク（ANNc）の分類に関する動作について検討され、機械学習はANNrによる類推解決を実現し、オートエンコーダ（AE）による解決語の生成の可能性も検討された。
– 研究では、これらの調査結果をまとめ、ANNrとAE埋め込みモデルを組み合わせ、ANNcを検索方法としてのパフォーマンスを確認した。ANNrとAEの組み合わせはほとんどの場合で他のアプローチを上回り、ANNcは3CosMulと競争力のあるまたはより良いパフォーマンスを達成する。
– 研究者は、DLを使用してAPを解決するための一般的なガイドラインでフレームワークを提供して結論づける。

要約(オリジナル)

Analogical inference is a remarkable capability of human reasoning, and has been used to solve hard reasoning tasks. Analogy based reasoning (AR) has gained increasing interest from the artificial intelligence community and has shown its potential in multiple machine learning tasks such as classification, decision making and recommendation with competitive results. We propose a deep learning (DL) framework to address and tackle two key tasks in AR: analogy detection and solving. The framework is thoroughly tested on the Siganalogies dataset of morphological analogical proportions (APs) between words, and shown to outperform symbolic approaches in many languages. Previous work have explored the behavior of the Analogy Neural Network for classification (ANNc) on analogy detection and of the Analogy Neural Network for retrieval (ANNr) on analogy solving by retrieval, as well as the potential of an autoencoder (AE) for analogy solving by generating the solution word. In this article we summarize these findings and we extend them by combining ANNr and the AE embedding model, and checking the performance of ANNc as an retrieval method. The combination of ANNr and AE outperforms the other approaches in almost all cases, and ANNc as a retrieval method achieves competitive or better performance than 3CosMul. We conclude with general guidelines on using our framework to tackle APs with DL.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI