Abstract

訳文

メモリネットワークと呼ばれる新しい学習モデルのクラスを説明する. メモリネットワークは, 推論の要素と長期記憶の要素を組み合わせて推論を行い, それらを共同で使用する方法を学習する. 長期記憶は読み書きが可能であり, 予測に利用することを目的としている. 本研究では, これらのモデルを, 長期記憶が (動的な) 知識ベースとして効果的に機能し, 出力はテキストによる応答で, ある質問応答の文脈で研究する. 本研究では, 大規模な QA タスクと, 模擬世界から生成された小さいがより複雑な玩具タスクを用いて, これらのモデルを評価した. 後者では, 動詞の意味を理解することを必要とする問題に答えるために, 複数の支持文を連結することで, このようなモデルの推論力を示す.

原文

We describe a new class of learning models called memory networks. Memory networks reason with inference components combined with a long-term memory component; they learn how to use these jointly. The long-term memory can be read and written to, with the goal of using it for prediction. We investigate these models in the context of question answering (QA) where the long-term memory effectively acts as a (dynamic) knowledge base, and the output is a textual response. We evaluate them on a large-scale QA task, and a smaller, but more complex, toy task generated from a simulated world. In the latter, we show the reasoning power of such models by chaining multiple supporting sentences to answer questions that require understanding the intension of verbs.