自然言語処理
PDFファイル 3I3 「自然言語処理による文書要約」
... [4] 向仲 : 術文書 機械翻訳 常識 文脈情報 利用，情報処理学会論文 ， 1990 年． [5] 畑山満美子 他 : 要語句抽出 新聞記事要約，情報 処理学会研究報告．自然言語処理研究会報告， 2001 年． ...
3
自然言語処理19_3
... Key Words: Hyponymy relation acquisition, Object-attribute-value acquisition, Wikipedia 1 はじめに 上位下位関係は自然言語処理の様々なタスクにおいて最も重要な意味的関係の一つであり， それゆえ盛んに研究されてきた (Hearst 1992; Hovy, Kozareva, and Riloff 2009; ...
21
自然言語処理23_59
... として作業を行うように指示をした．これにより，会話が進んでいけばいくほど破綻が認定さ れやすくなった可能性があるが，一度破綻したことで文脈上の制約が減り破綻が認定されにく くなっていた可能性もある． これまで人・機械の雑談対話を体系的に収集し，整備したコーパスは存在せず，今回の収集 は初の試みである．今回構築したコーパス中の雑談対話は，1 つの雑談システムだけを用いて ...
28
自然言語処理24_705
... 1 はじめに 一般に，自然言語処理システムでは単語を何らかの数値ベクトルとして表現する必要がある． 単純にベクトル化する方法としては one-hot 表現がある．これは単語の種類数が N の場合，N 次元ベクトルを用意し，単語 w が i 番目の種類の単語であれば，N 次元ベクトルの i 番目だ けを 1 に，他は 0 にして w をベクトル化する方法である．one-hot ...
16
自然言語処理22_289
... Yang, N., Liu, S., Li, M., Zhou, M., and Yu, N. (2013). “Word Alignment Modeling with Context Dependent Deep Neural Network.” In Proceedings of ACL 2013, pp. 166–175. 略歴 田村 晃裕：2005 年東京工業大学工学部情報工学科卒業．2007 年同大学院総 ...
24
自然言語処理23_175
... 対訳文アラインメント以外の自然言語処理における重要な系列アラインメント問題の適用先 として，単語アラインメントが挙げられる．単語アラインメント問題に関しては非単調なアライ ンメントを求めるための手法が数多く提案されてきている．Brown らは，原言語の各単語は必 ず目的言語のある単語に対応付けられるなどの制約のもとで，生成モデルに基づいた単語の非 ...
20
自然言語処理21_249
... 松吉 俊 † 「誰がいつどこで何をする」という文に「ない」や「ん」， 「ず」などの語が付くと， いわゆる否定文となる．否定文において，否定の働きが及ぶ範囲をスコープと呼び， その中で特に否定される部分を焦点と呼ぶ．否定の焦点が存在する場合，一般にそ の焦点の箇所を除いた文の命題は成立する．それゆえ，自然言語処理において，否 ...
22
学位論文 首都大学東京 自然言語処理研究室（小町研）
... 第 5 章 結果と考察 5.1 誤り分析 5.1.1 妥当性 各手法の妥当性の誤り数を表 5.1 に示す．（）内は全体における誤り個数の割合を 示す．表 3 から， NMT と比較すると， PBSMT は位置誤りが多いことがわかる． 一般的に， PBSMT は語順が離れた言語対に対し，並べ替えが困難となり，翻訳精 度が落ちる．本論文で用いたコーパスは単語数が少ない文が多数を占める．最も単 ...
46
PDFファイル 3I3 「自然言語処理による文書要約」
... 近年，大量の文書データと接する機会の増加にともない，文 書要約技術の必要性が高まっている．文書要約の一手法として は，要約生成問題を文の組合せ最適化問題として帰着させる方 法がある．最適化手法としては，動的計画法や分岐限定法など の厳密解法を用いた研究が多い．しかし，厳密解法には，要約 対象とする文書集合の大きさに従って，計算時間が膨大に膨れ 上がってしまうという問題が[r] ...
4
学位論文 首都大学東京 自然言語処理研究室（小町研）
... ings of the 2014 Conference on Empirical Methods in Natural Language Processing ,. pp[r] ...
13
自然言語処理20_657
... 事象表現間の時間的順序関係アノテーション 保田 祥 † ・小西 光 † ・浅原 正幸 † ・今田 水穂 † ・前川喜久雄 † 時間情報抽出は大きく分けて時間情報表現抽出，時間情報正規化，時間的順序関係 解析の三つのタスクに分類される．一つ目の時間情報表現抽出は，固有表現・数値 表現抽出の部分問題として解かれてきた．二つ目の時間情報正規化は書き換え系に より解かれることが多い．三つ目のタスクである時間的順序関係解析は，事象の時 ...
25
PDFファイル 3I3 「自然言語処理による文書要約」
... Summarization methods based on integer linear programming are known to generate high-quality summaries in the text summarization tasks, but these methods cannot straightforwardly be appl[r] ...
4
PDFファイル 3I3 「自然言語処理による文書要約」
... Automatic summarization technique, which makes a summary by collecting sentences, is regarded as a problem of combinatory optimization of important sentences2. In general, to make a summ[r] ...
3
PDFファイル 2A1 「自然言語処理」
... [Barnard 2005] Kobus Barnard and Matthew Johnson: Word sense disambiguation with pictures, Journal of Artificial Intelligence - Special volume on connecting language to the world arch[r] ...
4
PDFファイル 2A1 「自然言語処理」
... 本論文では，教育の場で用いられる電子的な文書教材 ( デジ タル教材 ) の良さについて検討する． PC や最近のタブレット端 末の急速な普及により，教育の場で電子的な文書教材が利用 されるケースが広まっている．従来から教育の場で用いられてき た紙の文書の印刷による教材では，コスト上の制限のために， 黒一色を使う場合が最も多く，かなり劣る頻度で黒と赤の二色 が用いられて[r] ...
2
PDFファイル 2A1 「自然言語処理」
... Analyzing discussion using a visualizing method for time series text data.. 岡 美那子 *1 大澤 幸生 *1.[r] ...
2
PDFファイル 2A1 「自然言語処理」
... 2. 文の正誤を判定する推論システム 明確な推論規則を適用できるように、自然言語文を論理 形式に変換し自動証明を行う研究は以前から行われてきた [Moldovan 03, Bos 06, Raina 05, Beltagy 13] 。ほとんどの システムは図 1 に示す構成をなすが、使用する文法や形式意 味論、知識の生成手段などは様々である。論理表現として、主 に一階述語論理（ FOL ）が使われてきたが、 ...
4
PDFファイル 2A1 「自然言語処理」
... 一方，文書の内容を捉える手法として，トピックモデルが注 目されている．トピックとは，話題や意味のまとまりのことで あり，トピックモデルとは，単語の出現の背景にトピックを仮 定した言語モデルである．トピックモデルでは，各文書に出現 した単語の種類と，その出現回数の情報を基に，辞書などを用 いることなく，トピックの推定を行うことができる．推定され たトピックは，明示的にトピックの名前は得られないものの， 連 絡 先 : 加 藤 ...
4
PDFファイル 1A2 「自然言語処理」
... 下に示す評価結果は，このような条件による． 4.2 単言語 Wikification の評価 英語 (1,000 文 ) に関しては，全 3,898 箇所の NE に対し， 2,999 箇所について正しく単言語 Wikification が行えた ( 正解 率 ( 精度 = 再現率 ):76.9%) ．ただし，エントリが存在しないも ∗6 等価な情報を関係付ける owl:sameAs プロパティによる． ...
4
PDFファイル 3D4 「教育支援におけるテキスト・自然言語処理」
... また、柴崎らの方法と同様に、外れ値を除くなどの処理を行え ば、更に高い精度が得られる可能性もある。 なお、全コーパスを学習に用いて導出した重回帰式は、式 (2) の通りである ∗4 。ただし、式 (2) において、 Y = 難易度ク ラス、 X = テキスト全体のひらがなの割合、 X = 1 文の平 均述語数 である。 ...
4