Top PDF 自然言語処理に現れる低ランク性

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 ...

25

PDFファイル 1A2 「自然言語処理」

... READYFOR には、文章を書き資金を調達しプロジェクトを実施したいと思っている「実行者」が実施する「プロジェクト」を公開するまでのプロセスとして、実行者が「プロポーザル」と呼ばれる簡単な企画書を提出の上、 READYFOR のスタッフによりサービスに対して適切で無いような企画でないことを審査により確認を行う。その上で、最初に実行者が作成 ...

3

PDFファイル 2A1 「自然言語処理」

... 1. はじめに国立情報学研究所が推進している「人工頭脳プロジェクト― ロボットは東大に入れるか」は、人工知能による大学入試突破を目標としており、その中で世界史・日本史といった歴史科目のセンター試験では、自然言語で書かれている文が史実であるかどうかを判断する問題が大部分を占める。入試問題の性質上、「史実である文」と「史実ではない文」との間に明確な線 ...

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 ...

4

PDFファイル 1A2 「自然言語処理」

... 北朝時代 ( 日本 ) へとリンキングできていれば，そのエントリから言語間リンクによってリンクされている英語 Wikipedia のエントリ http://en.wikipedia.org/wiki/Nanboku-ch% C5%8D period ∗3 を求めることにより，上記の表現のリンキング先として設定できる可能性がある． ...

4

木オートマトン•トランスデューサによる自然言語処理

... FTT ↓に対する制約 • FTT ↓に対する制約: (q, σ (k) (x 1 , . . . , x k )) → u • 決定性: 状態q ∈ Qと σ (k) ∈ Σに対して、規則が1つ以上存在しない • 完全性: 状態q ∈ Qと σ (k) ∈ Σに対して、規則が1つは存在する • 線形: 変数x 1 , . . . , x k はたかだか1度しか右辺に現れない ...

113

PDFファイル 2A1 「自然言語処理」

... 仕組構築，有効性調査．基本的， 1 う，対象表現 W 0 対同義表現や対訳表現候補集 {S j : j=1,…,m} 作，対象表現 W 0 関連画像集 {P i :i=1,…,n} ，各候補表現 S j 関連画像集 {Q jk : k=1,…,n'} 特徴比較． ...

4

自然言語処理16_5_79

... 係り受け関係を用いる．このとき，係り受け関係で構成された事態の間に存在する共起パターンを認識するためにも係り受けを用いることは自然であると考えられる．そのため，我々は係り受け関係に基づく共起パターンを用いることにする．事態間の関係を十分に表現しつつも事態対との共起が疎にならないような共起パターンを設 ...

22

自然言語処理におけるDeep Learning

... -close coauthor capital of of • 句の意味合成のための高精度かつ軽量な手法を提案 • 関係パターンの分散表現の評価データを構築 • 学習した関係パターンの分散表現が関係知識抽出に貢 ...

53

自然言語処理16_2_45

... という非常に数多くの項目を変数に入力しなければならなかったため，現実的には大変な困難を伴う利用形態であったと言える．さらに JACET8000 レベルマーカーや TreeTagger を併用した Cloze テストを作成するには，それぞれのタグ付けを行う Web ...

14

... 下位概念（映画のタイトルなどのインスタンスを含む）を既存のシソーラスの「映画」の位置に追加することができる．そこで予備実験として，本提案手法で獲得した G-上位概念のうち最頻出の 20 概念に対して簡潔な言い換え表現を手作業で作成し，それらによって上位概念が言い換えられた G-上位下位関係の適合率を評価した．表 6 に，G-上位概念とその言い換え表現の例を挙げる．言い換え対象の 20 の ...

21

自然言語処理21_125

... も，この考え方に基づいている．さらに，議員の施策や事業に関する賛否の意見には，同じ賛成の立場をとる議員の間でもその賛成の度合いには差が存在している．例えば，「昨年度は○○ などの事業に取り組んできた」と発言した議員と，「○○などの事業を行うのもやむを得ない」と発言した議員では，前者の方が既に自らが取り組んでいることを表明していることから，よ ...

31

学位論文首都大学東京自然言語処理研究室（小町研）

... 第 6 章考察表 6.1 は， FCE-public のテストデータにおけるそれぞれのモデルの誤りタイプごとの正解数を示している．誤りタイプは FCE-public の正解ラベルを用いる．まず，従来手法と提案手法で正解数が大きく異なる，動詞誤りと無冠詞の誤りについて分析する（表 6.1 の (a) と (b) ）．動詞誤りに関しては提案手法の正解数が多い．一方で，無冠詞に関してはベースラインである ...

39

学位論文首都大学東京自然言語処理研究室（小町研）

... を高頻度語に置換する際，単語同士の類似度や，置換後の文が自然であるかを判断するために言語モデルを使用した．言語モデルは文がどれほど自然であるかを判定するモデルであり，大規模なコーパスから作成される．文のスコアは一定区間の単語列がコーパス中でどれほどの頻度であるかに基づくため，文法が間違っているようなコーパ ...

37

学位論文首都大学東京自然言語処理研究室（小町研）

... 本研究では、平易な大規模コーパスを利用できない言語、特に日本語を対象として、語彙的換言アプローチと単言語翻訳アプローチによるテキスト平易化を実現する。まず、平易なコーパスを用いない語彙的換言アプローチとして、本研究では日本語のための新しい言い換え知識獲得、意味的等価性フィルタリング、平易性フィルタリング、文法性ランキングの各手法を提案する。また、平易なコー ...

108

PDFファイル 3I4 「自然言語処理におけるコーパス・辞書生成」

... ただし、正しく評価極性を推定された単語も削除されているため、ニューラルネットワーク言語モデルの設計および学習方法の検討を行う必要がある。予備実験より、極性を持つ単語が近くに配置される傾向があることは分かっているが、必ずしも正確である訳ではない。出現頻度や文章での利用形態による影響についてさらに詳細な議論をする必要がある。 ...

2

PDFファイル 3D4 「教育支援におけるテキスト・自然言語処理」

... 小学生の基準コーパスとしては、現代日本語書き言葉均衡コーパス ∗2 ( 以下、 BCCWJ ) に含まれる小学校の教科書を用いた。 BCCWJ では、 (2) のような xml 形式で配布されている。ここで、 <sentence> タグの付いている部分を抽出し、文 (3) のようにタグを取り除いたものを利用した。 ...

4

学位論文首都大学東京自然言語処理研究室（小町研）

... [16] に Attention 機構を導入した。 TreeLSTM は LSTM を句構造木に適用したものである。この手法では、句構造木の葉には学習済みの単語分散表現が用いられており、それらを組み上げて句のベクトルを構成する。そのため単語や句のベクトルは文脈に依存せず常に一定である。本研究では文脈によって ...

13

学位論文首都大学東京自然言語処理研究室（小町研）

... レシピ文書の日英機械翻訳 ∗ 佐藤貴之概要近年，インターネット上で取得可能なレシピが増加している．例えば，日本の料理レシピサービスであるクックパッドでは 250 万品以上のレシピが取得できる（数字は 2016 年 9 月のもの）．同様に，アメリカの料理レシピサービスである Yummly でも 100 万品以上のレシピが取得できる．取得可能なレシピが増加するにつれ，こ ...

46

PDFファイル 3I3 「自然言語処理による文書要約」

... いる．要するに，投稿番号の若い番号ほど「まとめサイト」に掲載されやすいということである．これは，たくさんの投稿が含まれる記事の場合，投稿番号が大きくなるにつれ，以前に投稿された内容と類似する投稿が出現することがあることや，「まとめサイト」の製作者が投稿番号の大きい投稿を要約対象 ...

4

自然言語処理に現れる低ランク性

自然言語処理20_657

PDFファイル 1A2 「自然言語処理」

PDFファイル 2A1 「自然言語処理」

PDFファイル 2A1 「自然言語処理」

PDFファイル 1A2 「自然言語処理」

木オートマトン•トランスデューサによる自然言語処理

PDFファイル 2A1 「自然言語処理」

自然言語処理16_5_79

自然言語処理におけるDeep Learning

自然言語処理16_2_45

自然言語処理19_3

自然言語処理21_125

学位論文首都大学東京自然言語処理研究室（小町研）

学位論文首都大学東京自然言語処理研究室（小町研）

学位論文首都大学東京自然言語処理研究室（小町研）

PDFファイル 3I4 「自然言語処理におけるコーパス・辞書生成」

PDFファイル 3D4 「教育支援におけるテキスト・自然言語処理」

学位論文首都大学東京自然言語処理研究室（小町研）

学位論文首都大学東京自然言語処理研究室（小町研）

PDFファイル 3I3 「自然言語処理による文書要約」

関連した話題