frmjServer： J 言語を処理する画
自然言語処理16_2_45
... Tagger を併用する際においても膨大な数のタグセットを考慮しながら品詞を選択するのでは なく，8 種類の品詞から選ぶという操作方法を導入した．チェックボックスから選んだ品詞は TreeTagger のタグセットに自動的に置き換える仕組みになっており，仮に不必要なタグが含ま ...
14
自然言語処理19_3
... 山田 一郎 † ・橋本 力 †† ・呉 鍾勲 †† ・鳥澤健太郎 †† ・黒田 航 †††,†††† ・ Stijn De Saeger †† ・土田 正明 ††††† ・風間 淳一 †† 単語の上位下位関係を自動獲得する研究はこれまで活発に行われてきたが，上位概 念の詳細さに関する議論はほとんどなされてこなかった．自動獲得された上位下位 関係の中には，例えば「作品 → 七人の侍」や「作品 ...
21
PDFファイル 3I3 「自然言語処理による文書要約」
... The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014 に高くなり， Precision は低くなったが結果的に要約精度が向 上したものと思われる．また，整数線形計画法 ( 要約率固定 ) の精度が低いのは，投稿番号コスト制約がないためであると思 われる．要約データでは，投稿番号の小さい投稿を多く採用し ...
4
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25_527
... 読み時間データの収集方法として，自己ペース読文法と視線走査法を用いた． 自己ペース読文法は，キーボード入力などに基づき，逐次的に文字列を表示し，実験協力者 のペースで文を読む課題である．図 1 に課題の画面例を示す．最初，コンピューター画面上に は，文の長さを表すアンダーバーが表示されている．被験者がスペースキーを押すごとに，刺 激文の始めから 1 ...
28
自然言語処理21_249
... つめは，構築したコーパスを利用して，実際に日本語における否定の焦点を検出 するシステムを実装することである．大槻らは，独自のヒューリスティックを利用することに より，日本語における否定の焦点を検出するシステムを提案している (大槻，松吉，福本 2013)． ...
22
自然言語処理23_175
... 本論文では系列の連続性を考慮しつつ，かつ非単調な系列アラインメントを求めるための手 法を提案する．このような系列アラインメント法は，単調性を仮定できない文書対の対訳文ア ラインメントを求める際に特に有効であると考える．仮に文書 F の文が E の任意の文と対応し ...
20
今回の予定 文法から パーサを作る BNF をそのまま解釈する BISON,YACC を動かしてみます 電卓 ( もどき ) を離れ本格的なプログラミング言語を記述するのに必要な構成要素を考えます 正常系だけを相手にするなら ( エラー処理を考えないなら ) 言語の実装はとても簡単 ( 課題ではない
... - <1> ex-rv2sv sKRM*/1 ->c b <#> gvsv[*r] s ->c # 7: $i = $i-1; d <;> nextstate(main 1 fact.pl:7) v:{ ->e i <2> sassign vKS/2 ->j ...
47
PDFファイル 2A1 「自然言語処理」
... 1. はじめに 近年，インターネットの普及により，様々な人々が自由に 情報の収集や発信を行うことが可能となっている．特に，価 格 .com ∗1 ， Amazon.co.jp ∗2 などの通販サイトでは，様々な商 品に対する消費者の感想や評価が大量に投稿・公開されてい る．企業や消費者は，それら投稿された文書を読むことで，有 益な情報を得ることができる．例えば，企業にとっては，消費 ...
4
自然言語処理23_59
... 本研究の類型化の手順は (Dybkjær et al. 1996) のものに近い．Grice の公準を用いながら，対 話コーパスについて独自の分析を行いエラーを類型化しているからである．本研究と Dybkjær らのものとの違いは，本研究が雑談対話システムを扱っていることである．課題指向型対話シ ステムに比べタスクやドメインの制約が少ない雑談対話において，エラーの定義，どのようなエ ...
28
自然言語処理におけるDeep Learning
... 句ベクトル合成の実験結果 （スピアマンの順位相関係数; 単語ベクトルはlogを取らないPMI） Model Function JJ-NN NN-NN VB-NN Additive 𝑝𝑝 𝑖𝑖 = 𝑢𝑢 𝑖𝑖 + 𝑣𝑣 𝑖𝑖 .36 .39 .30 Kintsch 𝑝𝑝 𝑖𝑖 = 𝑢𝑢 𝑖𝑖 + 𝑣𝑣 𝑖𝑖 + 𝑛𝑛 𝑖𝑖 .32 .22 .29 Multiplicative 𝑝𝑝 𝑖𝑖 = 𝑢𝑢 𝑖𝑖 ⋅ 𝑣𝑣 𝑖𝑖 ...
53
担当部分 : 第 17 章 コーパスに基づく第二言語習得研究 応用言語学特講発表資料 担当 : K.I. はじめにコンピュータの発展に伴って 大量の言語データを電子化して蓄積するとともに その言語データをコンピュータで効率よく処理することが可能になってきた 具体的にはある言語の母語話者の記述や発話
... その検索語が含まれる文を一覧表示する際に検索語を中心に置いてその前後の文脈を表示 するという、いわゆる KWIC (Key Word In Context)形式で検索結果を出力してくれる。 このコンコ―ダンサーを活用した学習活動を生徒に行わせることで、教師の側から新し ...
10
自然言語処理24_705
... baseline を超えることは困難である．実 際に SemEval-2 の参加システムで baseline を超える正解率を出したシステムはなかった．また 新納はこのタスクにおいて様々なシソーラスの情報を試したが，baseline を ...baseline を超えているので，どちらの分散表現もかなり品質は高いといえるが，nwjc2vec は ...
16
PDFファイル 2A1 「自然言語処理」
... The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014 - 1 - 時系列 タ可視化手法を用い 議論解析 Analyzing discussion using a visualizing method for time series text data 岡 美那子 *1 大澤 幸生 *1 ...
2
PDFファイル 2A1 「自然言語処理」
... - を行っている．7 色着色では 5 色着色に加えてマゼンタ(R=255， G=0，B=255)と青緑(R=0，G=158，B=148)による着色であり，9 色着色ではさらにシアン(R=0，G=255，B=255)，濃緑(R=0，G = 178，B=0)を用いている．このような条件で着色（統制条件下で は黒一色）した約 500 文字のテキスト中から，5~10 文字程度の ...
2
自然言語処理20_657
... ISO-TimeML を日本語に適応させた時間的順序関係アノテーション基準を示す．我々は『現代日 本語書き言葉均衡コーパス』(BCCWJ) の新聞記事の部分集合に対して，動詞・形 容詞事象表現に TimeML の <EVENT> 相当タグを付与し，その事象の性質に基づき 分類を行った．また，この事象表現と先行研究 (小西，浅原，前川 2013) により付 ...
25
嫌悪感の形成を支える言語情報処理と視覚的質感情報処理 [ PDF
... より嫌悪感の強いオノマトペは平均化後に出力される視 覚刺激への嫌悪感反応を強め，嫌悪感の弱いオノマトペ はそれを弱めた。 オノマトペが呈示された位置の周辺の視覚処理が注意 により促進された結果として画像の嫌悪感の強度が影響 されたのかもしれない。また，画像よりも後に呈示され たオノマトペによっても嫌悪感の変調は生じているが， ...
4
PDFファイル 1A2 「自然言語処理」
... 北朝時代 Nanboku-ch¯ o jidai, ”South and North courts pe- riod”, also known as the Northern and Southern Courts period), ...” といった表現をとらえ，リンキング元として適切 な NE 区間を求めることができるが，この処理は，名詞句の ...
4
PDFファイル 1A2 「自然言語処理」
... 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 ...
3
Word VBA による言語処理
... blanco, rojo, amarillo, marrón, azul, negro 【課題】色鉛筆や絵の具で上のスペイン語の文章に絵を描きなさい． Modelo: ¿De dónde eres? - Soy de Tokio. - ¿Eres japonés / japonesa? – Sí. Madrid, México, Lima, Buenos Aires, Londres, Paris, Berlín, ...
14