Constrained Deep Answer Sentence Selection

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F17%3A10372135" target="_blank" >RIV/00216208:11320/17:10372135 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-319-64206-2_7" target="_blank" >https://doi.org/10.1007/978-3-319-64206-2_7</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-64206-2_7" target="_blank" >10.1007/978-3-319-64206-2_7</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Constrained Deep Answer Sentence Selection

Popis výsledku v původním jazyce

We propose Constrained Deep Neural Network (CDNN) a deep neural model for answer sentence selection in the context of Question Answering (QA) systems. To produce the best predictions, CDNN combines neural reasoning with a kind of symbolic constraint. It integrates pattern matching technique into sentence vector learning. When trained using enough samples, CDNN outperforms the other best models for sentence selection. We show how the use of other sources of training can enhance the performance of CDNN. In a well-studied dataset for answer sentence selection, our model improves the state-of-the-art significantly

Název v anglickém jazyce

Constrained Deep Answer Sentence Selection

Popis výsledku anglicky

We propose Constrained Deep Neural Network (CDNN) a deep neural model for answer sentence selection in the context of Question Answering (QA) systems. To produce the best predictions, CDNN combines neural reasoning with a kind of symbolic constraint. It integrates pattern matching technique into sentence vector learning. When trained using enough samples, CDNN outperforms the other best models for sentence selection. We show how the use of other sources of training can enhance the performance of CDNN. In a well-studied dataset for answer sentence selection, our model improves the state-of-the-art significantly

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

20th International Conference, TSD 2017 Prague, Czech Republic, August 27–31, 2017 Proceedings

ISBN

978-3-319-64205-5

ISSN

0302-9743

e-ISSN

neuvedeno

Počet stran výsledku

9

Strana od-do

57-65

Název nakladatele

Springer International Publishing

Místo vydání

Cham / Heidelberg / New York

Místo konání akce

Praha, Czechia

Datum konání akce

27. 8. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—