การอ่านทำความเข้าใจด้วยเครื่องเพื่อคำถามที่มีหลายความสัมพันธ์ด้วยวิธีการเรียนรู้เชิงลึก

ณัฐชัย ตรีทศายุธ

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/60126

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	พีรพล เวทีกูล	-
dc.contributor.advisor	ปรัชญา บุญขวัญ	-
dc.contributor.author	ณัฐชัย ตรีทศายุธ	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2018-09-14T06:07:52Z	-
dc.date.available	2018-09-14T06:07:52Z	-
dc.date.issued	2560	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/60126	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2560	-
dc.description.abstract	การอ่านทำความเข้าใจเพื่อใช้ตอบคำถาม เป็นหนึ่งในเรื่องที่สำคัญและยากที่สุดในงานสายการประมวลผลภาษาธรรมชาติ วิธีการที่ได้รับความนิยมและให้ผลที่ดีที่สุดในปัจจุบัน คือการใช้โมเดลที่นำเอาการเรียนรู้เชิงลึกเข้ามาช่วยตอบ โดยโมเดลจะทำการหาคำที่คล้ายกันระหว่างคำถามและบทความเพื่อนำไปใช้ในการตอบคำถาม แต่โมเดลในรูปแบบนี้จะมีข้อจำกัดที่ไม่สามารถจะตอบคำถามซึ่งคำตอบจะต้องใช้การเชื่อมต่อคำในหลายประโยคเข้าด้วยกัน หรือที่เรียกว่าคำถามที่มีหลายความสัมพันธ์ได้ งานวิจัยชิ้นนี้ต้องการที่จะเสนอแนวทางในการใช้คำอ้างอิงเข้ามาช่วยแก้ปัญหาดังกล่าว รวมถึงยังได้เสนอวิธีการตอบแบบสองทาง และฟังก์ชันต้นทุนจากความยาวของคำตอบเพื่อเพิ่มประสิทธิภาพโดยรวมของระบบ	-
dc.description.abstractalternative	Machine reading comprehension (MC) is a challenging problem in natural language processing. Recently, many deep learning models have been proposed. However, these models are limited by the soft attention relied heavily on keywords that appear in a question. Therefore, the performance is always poor in a question that needs to infer an answer from multiple sentences, which cannot solely depend on keywords in a question. In this thesis, our contributions are three folds: (i) coreference vector, to improve the performance of multiple sentence question, (ii) bi-directional answering technique, to avoid local maxima corresponding to the incorrect answer span and (iii) answer length loss function, to better refine an answer.	-
dc.language.iso	th	-
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2017.1372	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.title	การอ่านทำความเข้าใจด้วยเครื่องเพื่อคำถามที่มีหลายความสัมพันธ์ด้วยวิธีการเรียนรู้เชิงลึก	-
dc.title.alternative	Machine Reading Comprehension for Questions with Multiple Relationships Using Deep Learning	-
dc.type	Thesis	-
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	-
dc.degree.level	ปริญญาโท	-
dc.degree.discipline	วิศวกรรมคอมพิวเตอร์	-
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.email.advisor	Peerapon.V@chula.ac.th,peerapon.v@chula.ac.th	-
dc.email.advisor	prachya.boonkwan@nectec.or.th	-
dc.identifier.DOI	10.58837/CHULA.THE.2017.1372	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
5970156021.pdf		2.69 MB	Adobe PDF	View/Open

Show simple item record