自然言語処理学研究室（松本研） 助教
スライド 研究会 首都大学東京 自然言語処理研究室（小町研）
... • Inpきが 4次元テンソル 変換. • chainer.linkか.Convolきがion2D(inpきが̲channel, oきがpきが̲channel, [r] ...
21
予稿 研究発表 首都大学東京 自然言語処理研究室（小町研）
... 3.3 応答文の質の評価 応答文の質がどの程度改善されたか，評価者による定 量的な評価を行った．ある発話文に対して，先行研究と 本研究による応答文をそれぞれ提示し，どちらのほうが 適切に応答できているか選択してもらった．選択しても らう際，各応答手法は明記していない．選択肢として “A のほうが適切”，“B のほうが適切”，“どちらも同程度” の 3 つを用意した．評価者 2 名によって 50 件のデータ ...
4
予稿 研究発表 首都大学東京 自然言語処理研究室（小町研）
... では、流暢性（fluency）を重視し、言語モデル確率を 最大化する言い換えを行う。 3.1 言い換え確率を最大化する言い換え この手法では、言い換え後の文の妥当性を重視して 言い換え候補を選択する。トレーニングデータの目的 言語側の文に低頻度語が存在する場合、その単語また はその単語を含むフレーズを高頻度な単語またはフ レーズに繰り返し言い換える。ただし、複数の言い換 ...
4
予稿 研究発表 首都大学東京 自然言語処理研究室（小町研）
... 誤りパターンを考慮した研究としては，Sawai ら [9] の学習者誤りパターンを用いた動詞の訂正候補を提案 する手法や，Liu [6] らの類義語辞書および英中対訳 辞書から作成した誤りパターンを元に中国人英語学習 者作文の動詞選択誤りを自動訂正する手法がある．こ れらの研究とは，動詞選択誤りだけを検出対象として いる点が異なり，Liu らの研究に関しては，我々が学 ...
4
予稿 研究発表 首都大学東京 自然言語処理研究室（小町研）
... そこで本研究では，出力した目的言語文を原言語文 に逆翻訳することで，不必要な単語の繰り返しや消失 を防ぎつつ，ニューラル機械翻訳モデルを最適化する 枠組みを導入した．提案手法では，事前に従来のアテ ンションニューラル機械翻訳と同様に順方向の翻訳の 学習を行った後，デコーダの隠れ層を直接新たなアテ ンション機構に入力して原言語文に逆翻訳できるよう に新たなデコーダで学習する． ...
4
予稿 研究発表 首都大学東京 自然言語処理研究室（小町研）
... そこで本研究では Encoder-Decoder の未知語の問題 を改善し，未知語のキーワードを出力できる Positional Unknown モデル [6] を用いた．本研究におけるキー ワードに基づく文生成の全体的な処理の流れを図 1 に示す．キーワードを入力として 3.2 節の Positional Unknown モデルまたは Encoder-Decoder を適用し， n-best ...
4
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... Because the translation of depen- dent phrases in our first method uses the language and translation models optimized for a sentence, our first method might not be able to use a model op[r] ...
6
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... We constructed three sys- tems: a system based on the Treelet Lan- guage Model for verb form and subject- verb agreement errors; a classifier trained on both learner and native corpora f[r] ...
8
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... In this paper, we propose to use error patterns in ESL writing for verb suggestion task by using candidate sets and a domain adaptation technique.. First, to increase the coverage, candi[r] ...
6
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... The proposed methods em- ploy discriminative models trained using error pat- terns extracted from ESL corpus and can gener- ate reliable distractors by taking context of a given sentence[r] ...
5
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... To ad- dress this issue, we defined a set of error type criteria and conducted automatic clas- sification of errors into error types in the sentences from the NAIST Goyo Corpus and achie[r] ...
10
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... Parenthesis preordering: 紹介した。 | 手法を | 選択する | ガラス部材（庇を | 含めた）を | 使った | Ｐ ＡＬチャートを | 適切な (c) Passive voice preordering Japanese: 研究班の | 概要を | 紹介した。 ...
6
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... Extracting a Chinese Learner Corpus from the Web: Grammatical Error Correction for Learning Chinese as a Foreign Language with Statistical Machine Translation.[r] ...
6
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... These annotators ranked target words and their several paraphrases according to how simple they were in contexts from the lexical substitution dataset described in Section 2.1.. Next, th[r] ...
6
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... To find functional expressions related to influenza, we use this feature when a functional expression in Tsutsuji is found within 15 charac- ters to the right context of “flu.” Table 2 p[r] ...
7
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... In order to answer this question, we compare the performance of recognizing subjects of cold when using the training instances for all types of dis- eases and symptoms with that when usi[r] ...
11
paper 研究発表 首都大学東京 自然言語処理研究室（小町研）
... In this study, we presented a high performance Japanese sentiment classification method that uses distributed word representation learned from a large- scale corpus with word2vec and a s[r] ...
10
予稿 研究発表 首都大学東京 自然言語処理研究室（小町研）
... {yamagishi-hayahide, kanouchi-shin, sato-takayuki}@ed.tmu.ac.jp, [email protected] 1 はじめに 翻訳では，より自然な文を生成するために，言語ご との表現方法の違いを考慮する必要がある．例えば， 日英翻訳では日本語側の文と英語側の文で態が異なる ことがある．これは，文構造の違いや，語彙ごとの用 ...
4
予稿 研究発表 首都大学東京 自然言語処理研究室（小町研）
... 2 関連研究 MSRP [1] は言い換え認識タスクの標準的 1 な評価用 コーパスであり、3,900 文対の正例と 1,901 文対の負 例を含む 5,801 文対からなる。この言い換えコーパス は、ニュース記事から編集距離などのヒューリスティッ クによって収集された 49,375 文対に対して、文字列の 類似度などを素性とする 2 値分類器（Support Vector Machine）によって 5,801 ...
4
スライド 研究会 首都大学東京 自然言語処理研究室（小町研）
... リoss セ ルodeリ(Variabリe(phi_0), Variabリe(y)) #誤差の計算. accuル_リoss +セ リoss.data #計算した誤差を蓄積し いく[r] ...
40