首页> 外国专利> Learning device using Conditional Random Fields or Global Conditional Log-linearModels, and parameter learning method and program in the learning device

Learning device using Conditional Random Fields or Global Conditional Log-linearModels, and parameter learning method and program in the learning device

机译：使用条件随机场或全局条件对数线性模型的学习设备，以及学习设备中的参数学习方法和程序

页面导航

摘要
著录项
相似文献

摘要

PPROBLEM TO BE SOLVED: To improve model performance by improving learning accuracy, in a learning device using Conditional Random Fields or Global Conditional Log-linear Models. PSOLUTION: A learning device includes: a list input part 11 taking in a set of lists including origin vectors of a plurality of symbol series, origin vectors of corresponding correct answer symbol series, and symbol series weights of the respective symbol series as learning data; a parameter initialization part 21 for an objective function; an in-list processing part 22 calculating a linear score by an inner product between a parameter and the origin vector, and calculating an index score from the linear score and the symbol series weight; an objective function calculation part 23 calculating the objective function and a gradient thereof by use of all the index scores and origin vectors calculated in the in-list processing part 22; a convergence decision part 24 deciding convergence of the objective function from the gradient; and a parameter update part 25 updating the parameter. PCOPYRIGHT: (C)2011,JPO&INPIT

机译：

要解决的问题：在使用条件随机场或全局条件对数线性模型的学习设备中，通过提高学习准确性来提高模型性能。

解决方案：一种学习设备，包括：列表输入部分11接收一组列表，该列表包括多个符号系列的原始矢量，相应正确答案符号系列的原始矢量以及各个符号系列的符号系列权重作为学习数据;用于目标函数的参数初始化部分21;列表内处理部分22通过参数和原点矢量之间的内积来计算线性分数，并根据线性分数和符号系列权重来计算索引分数;目标函数计算部分23通过使用在列表内处理部分22中计算出的所有指标得分和原始矢量来计算目标函数及其梯度;收敛判定部24，根据梯度决定目标函数的收敛。参数更新部25更新参数。

版权：（C）2011，日本特许厅＆INPIT 展开▼

著录项

公开/公告号JP5295037B2

专利类型
公开/公告日2013-09-18

原文格式PDF
申请/专利权人日本電信電話株式会社;
展开▼

申请/专利号JP20090186668
发明设计人大庭隆伸;堀貴明;中村篤;
展开▼

申请日2009-08-11
分类号G06N3;G10L15/06;G06F17/27;
国家 JP
入库时间 2022-08-21 16:58:05

相似文献

专利
外文文献
中文文献