医療情報学における対象構造を考慮した学習アルゴリズムの研究

点击翻译按钮获取中文摘要

当該年度は，自然言語処理分野における最難関国際会議であるACLに，主著の論文が2本Long Paperとして採択されるなど，一定の成果が得られた．まず，ACL2019に採択された研究は，Data-to-text 生成タスクと呼ばれる，非言語情報を入力として，その入力を説明するような自然言語を自動生成するタスクのうち，長文の生成タスクに取り組み，入力情報から重要な情報を正しく生成しつつ，既存のニューラルネットワークを用いたモデルよりも流暢な文を生成することに成功した．また，ACL2020に採択された研究は，入力の非言語情報を参照しながら，テキストを編集，改訂する新タスクの提案と，そのタスクに適した新たなモデルを提案した．同研究は，申請者がByteDance AI Researchに半年間滞在し得られた成果である．さらに，タグ付き言語モデルによる，擬似データを用いた病名抽出モデルの構築を行った．外部に公開することの難しいタグ付き電子カルテデータを用いて，タグ付き言語モデルの学習を行い，擬似学習データを生成し，その擬似学習データのみから，病名抽出モデルが実用的な精度で学習できることを確認した．