Soumettre la recherche
Mettre en ligne
Chainer meetup lt
•
6 j'aime
•
91,084 vues
A
Ace12358
Suivre
Chainer meetup #1 での LT の資料です。
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 14
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
Lighting talk chainer hands on
Lighting talk chainer hands on
Ogushi Masaya
深層学習ライブラリのプログラミングモデル
深層学習ライブラリのプログラミングモデル
Yuta Kashino
Deep Learningライブラリ 色々つかってみた感想まとめ
Deep Learningライブラリ 色々つかってみた感想まとめ
Takanori Ogata
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
Hisao Soyama
TensorFlowをざっくりLTしてみた
TensorFlowをざっくりLTしてみた
Mitsuki Ogasahara
ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】
Yuki Arase
【FIT2016チュートリアル】ここから始める情報処理 ~音声編~ by 東工大・篠崎先生
【FIT2016チュートリアル】ここから始める情報処理 ~音声編~ by 東工大・篠崎先生
Toshihiko Yamasaki
S08 t0 orientation
S08 t0 orientation
Takeshi Akutsu
Recommandé
Lighting talk chainer hands on
Lighting talk chainer hands on
Ogushi Masaya
深層学習ライブラリのプログラミングモデル
深層学習ライブラリのプログラミングモデル
Yuta Kashino
Deep Learningライブラリ 色々つかってみた感想まとめ
Deep Learningライブラリ 色々つかってみた感想まとめ
Takanori Ogata
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
グラフデータベース「Neo4j」の 導入の導入(続き)-Cypherの基本のキ-
Hisao Soyama
TensorFlowをざっくりLTしてみた
TensorFlowをざっくりLTしてみた
Mitsuki Ogasahara
ゼロから始める自然言語処理 【FIT2016チュートリアル】
ゼロから始める自然言語処理 【FIT2016チュートリアル】
Yuki Arase
【FIT2016チュートリアル】ここから始める情報処理 ~音声編~ by 東工大・篠崎先生
【FIT2016チュートリアル】ここから始める情報処理 ~音声編~ by 東工大・篠崎先生
Toshihiko Yamasaki
S08 t0 orientation
S08 t0 orientation
Takeshi Akutsu
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
tetsuro ito
S10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnow
Takeshi Akutsu
Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門
Tatsuya Tojima
初心者が Python で戸惑ったところ
初心者が Python で戸惑ったところ
Emma Haruka Iwao
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
Yuya Unno
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
鳥取Python勉強会 第7回
鳥取Python勉強会 第7回
Yuji Oyamada
鳥取python勉強会 第1回
鳥取python勉強会 第1回
Yuji Oyamada
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
鳥取python勉強会 第2回
鳥取python勉強会 第2回
Yuji Oyamada
研究・企業・生き方について 情報科学若手の会2011
研究・企業・生き方について 情報科学若手の会2011
Preferred Networks
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
naoto moriyama
最近思った機械学習(PyTorch)のベストプラクティス
最近思った機械学習(PyTorch)のベストプラクティス
Masato Fujitake
Deep forest
Deep forest
naoto moriyama
Pythonで自動化した話1
Pythonで自動化した話1
Masato Fujitake
次元の呪い
次元の呪い
Kosuke Tsujino
PythonでPodcastを聴く
PythonでPodcastを聴く
Masato Fujitake
はてブ未読管理
はてブ未読管理
kiki utagawa
Pythonで簡単ネットワーク分析
Pythonで簡単ネットワーク分析
antibayesian 俺がS式だ
S10 t0 orientation
S10 t0 orientation
Takeshi Akutsu
CuPy解説
CuPy解説
Ryosuke Okuta
ディープラーニングにおける学習の高速化の重要性とその手法
ディープラーニングにおける学習の高速化の重要性とその手法
Yuko Fujiyama
Contenu connexe
Tendances
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
tetsuro ito
S10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnow
Takeshi Akutsu
Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門
Tatsuya Tojima
初心者が Python で戸惑ったところ
初心者が Python で戸惑ったところ
Emma Haruka Iwao
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
Yuya Unno
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
鳥取Python勉強会 第7回
鳥取Python勉強会 第7回
Yuji Oyamada
鳥取python勉強会 第1回
鳥取python勉強会 第1回
Yuji Oyamada
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
Yuki Arase
鳥取python勉強会 第2回
鳥取python勉強会 第2回
Yuji Oyamada
研究・企業・生き方について 情報科学若手の会2011
研究・企業・生き方について 情報科学若手の会2011
Preferred Networks
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
naoto moriyama
最近思った機械学習(PyTorch)のベストプラクティス
最近思った機械学習(PyTorch)のベストプラクティス
Masato Fujitake
Deep forest
Deep forest
naoto moriyama
Pythonで自動化した話1
Pythonで自動化した話1
Masato Fujitake
次元の呪い
次元の呪い
Kosuke Tsujino
PythonでPodcastを聴く
PythonでPodcastを聴く
Masato Fujitake
はてブ未読管理
はてブ未読管理
kiki utagawa
Pythonで簡単ネットワーク分析
Pythonで簡単ネットワーク分析
antibayesian 俺がS式だ
S10 t0 orientation
S10 t0 orientation
Takeshi Akutsu
Tendances
(20)
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
S10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnow
Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門
初心者が Python で戸惑ったところ
初心者が Python で戸惑ったところ
Chainerのテスト環境とDockerでのCUDAの利用
Chainerのテスト環境とDockerでのCUDAの利用
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
鳥取Python勉強会 第7回
鳥取Python勉強会 第7回
鳥取python勉強会 第1回
鳥取python勉強会 第1回
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
[最新版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」
鳥取python勉強会 第2回
鳥取python勉強会 第2回
研究・企業・生き方について 情報科学若手の会2011
研究・企業・生き方について 情報科学若手の会2011
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
最近思った機械学習(PyTorch)のベストプラクティス
最近思った機械学習(PyTorch)のベストプラクティス
Deep forest
Deep forest
Pythonで自動化した話1
Pythonで自動化した話1
次元の呪い
次元の呪い
PythonでPodcastを聴く
PythonでPodcastを聴く
はてブ未読管理
はてブ未読管理
Pythonで簡単ネットワーク分析
Pythonで簡単ネットワーク分析
S10 t0 orientation
S10 t0 orientation
En vedette
CuPy解説
CuPy解説
Ryosuke Okuta
ディープラーニングにおける学習の高速化の重要性とその手法
ディープラーニングにおける学習の高速化の重要性とその手法
Yuko Fujiyama
ボケるRNNを学習したい (Chainer meetup 01)
ボケるRNNを学習したい (Chainer meetup 01)
Motoki Sato
Chainer Contribution Guide
Chainer Contribution Guide
Kenta Oono
Chainer入門と最近の機能
Chainer入門と最近の機能
Yuya Unno
Chainer Development Plan 2015/12
Chainer Development Plan 2015/12
Seiya Tokui
Capitalicoでのchainer 1.1 → 1.5 バージョンアップ事例
Capitalicoでのchainer 1.1 → 1.5 バージョンアップ事例
Jun-ya Norimatsu
Introduction to DEEPstation the GUI Deep learning environment for chainer
Introduction to DEEPstation the GUI Deep learning environment for chainer
Ryo Shimizu
Deep parking
Deep parking
Shintaro Shiba
Towards Chainer v1.5
Towards Chainer v1.5
Seiya Tokui
Chainer meetup
Chainer meetup
kikusu
A Chainer MeetUp Talk
A Chainer MeetUp Talk
Yusuke Oda
Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)
Jun-ya Norimatsu
Chainer meetup20151014
Chainer meetup20151014
Jiro Nishitoba
LT@Chainer Meetup
LT@Chainer Meetup
Shunta Saito
Chainer Update v1.8.0 -> v1.10.0+
Chainer Update v1.8.0 -> v1.10.0+
Seiya Tokui
NVIDIA 更新情報: Tesla P100 PCIe/cuDNN 5.1
NVIDIA 更新情報: Tesla P100 PCIe/cuDNN 5.1
NVIDIA Japan
Chainerを使って細胞を数えてみた
Chainerを使って細胞を数えてみた
samacoba1983
深層学習ライブラリの環境問題Chainer Meetup2016 07-02
深層学習ライブラリの環境問題Chainer Meetup2016 07-02
Yuta Kashino
On the benchmark of Chainer
On the benchmark of Chainer
Kenta Oono
En vedette
(20)
CuPy解説
CuPy解説
ディープラーニングにおける学習の高速化の重要性とその手法
ディープラーニングにおける学習の高速化の重要性とその手法
ボケるRNNを学習したい (Chainer meetup 01)
ボケるRNNを学習したい (Chainer meetup 01)
Chainer Contribution Guide
Chainer Contribution Guide
Chainer入門と最近の機能
Chainer入門と最近の機能
Chainer Development Plan 2015/12
Chainer Development Plan 2015/12
Capitalicoでのchainer 1.1 → 1.5 バージョンアップ事例
Capitalicoでのchainer 1.1 → 1.5 バージョンアップ事例
Introduction to DEEPstation the GUI Deep learning environment for chainer
Introduction to DEEPstation the GUI Deep learning environment for chainer
Deep parking
Deep parking
Towards Chainer v1.5
Towards Chainer v1.5
Chainer meetup
Chainer meetup
A Chainer MeetUp Talk
A Chainer MeetUp Talk
Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)
Chainer meetup20151014
Chainer meetup20151014
LT@Chainer Meetup
LT@Chainer Meetup
Chainer Update v1.8.0 -> v1.10.0+
Chainer Update v1.8.0 -> v1.10.0+
NVIDIA 更新情報: Tesla P100 PCIe/cuDNN 5.1
NVIDIA 更新情報: Tesla P100 PCIe/cuDNN 5.1
Chainerを使って細胞を数えてみた
Chainerを使って細胞を数えてみた
深層学習ライブラリの環境問題Chainer Meetup2016 07-02
深層学習ライブラリの環境問題Chainer Meetup2016 07-02
On the benchmark of Chainer
On the benchmark of Chainer
Similaire à Chainer meetup lt
20120731 ALC Eijiro User Meeting
20120731 ALC Eijiro User Meeting
akikom0819
Code4Lib 2013参加報告
Code4Lib 2013参加報告
Masao Takaku
Jacet2014ykondo_final
Jacet2014ykondo_final
早稲田大学
捗るリコメンドシステムの裏事情(ハッカドール)
捗るリコメンドシステムの裏事情(ハッカドール)
mosa siru
パーフェクト"Elixir情報収集"
パーフェクト"Elixir情報収集"
Keisuke Takahashi
Ishita_NII(20130724)
Ishita_NII(20130724)
真 岡本
Chainer with natural language processing hands on
Chainer with natural language processing hands on
Ogushi Masaya
文字対話における対話関係成立の可否判別
文字対話における対話関係成立の可否判別
長岡技術科学大学 自然言語処理研究室
おとなのテキストマイニング
おとなのテキストマイニング
Munenori Sugimura
220630_ishizone_intro.pdf
220630_ishizone_intro.pdf
ssuser70401c
言語資源と付き合う
言語資源と付き合う
Yuya Unno
マイニング探検会#12
マイニング探検会#12
Yoji Kiyota
質問応答システム入門
質問応答システム入門
Hiroyoshi Komatsu
An efficient framework for learning sentence representations
An efficient framework for learning sentence representations
Yuya Soneoka
勉強会旅人のススメ
勉強会旅人のススメ
and hyphen
Similaire à Chainer meetup lt
(15)
20120731 ALC Eijiro User Meeting
20120731 ALC Eijiro User Meeting
Code4Lib 2013参加報告
Code4Lib 2013参加報告
Jacet2014ykondo_final
Jacet2014ykondo_final
捗るリコメンドシステムの裏事情(ハッカドール)
捗るリコメンドシステムの裏事情(ハッカドール)
パーフェクト"Elixir情報収集"
パーフェクト"Elixir情報収集"
Ishita_NII(20130724)
Ishita_NII(20130724)
Chainer with natural language processing hands on
Chainer with natural language processing hands on
文字対話における対話関係成立の可否判別
文字対話における対話関係成立の可否判別
おとなのテキストマイニング
おとなのテキストマイニング
220630_ishizone_intro.pdf
220630_ishizone_intro.pdf
言語資源と付き合う
言語資源と付き合う
マイニング探検会#12
マイニング探検会#12
質問応答システム入門
質問応答システム入門
An efficient framework for learning sentence representations
An efficient framework for learning sentence representations
勉強会旅人のススメ
勉強会旅人のススメ
Plus de Ace12358
Can language models be biomedical knowledge bases
Can language models be biomedical knowledge bases
Ace12358
I know what you asked graph path learning using amr for commonsense reasoning
I know what you asked graph path learning using amr for commonsense reasoning
Ace12358
A semantics aware-transformer_model_of_relation_linking_for_knowledge_base_qu...
A semantics aware-transformer_model_of_relation_linking_for_knowledge_base_qu...
Ace12358
A semantics aware-transformer_model_of_relation_linking_for_knowledge_base_qu...
A semantics aware-transformer_model_of_relation_linking_for_knowledge_base_qu...
Ace12358
Camouflaged chinese spam_content_detection_with_semi-supervised_generative_ac...
Camouflaged chinese spam_content_detection_with_semi-supervised_generative_ac...
Ace12358
The contribution of_stylistic_information_to_content-based_mobile_spam_filtering
The contribution of_stylistic_information_to_content-based_mobile_spam_filtering
Ace12358
Dual tkb a-dual_learning_bridge_between_text_and_knowledge_base
Dual tkb a-dual_learning_bridge_between_text_and_knowledge_base
Ace12358
Knowledge_graph_alignment_with_entity-pair_embedding
Knowledge_graph_alignment_with_entity-pair_embedding
Ace12358
Low-dimensional hyperbolic knowledge graph embeddings
Low-dimensional hyperbolic knowledge graph embeddings
Ace12358
Neural relation extraction for knowledge base enrichment introduced by Yoshia...
Neural relation extraction for knowledge base enrichment introduced by Yoshia...
Ace12358
Emnl preading2016
Emnl preading2016
Ace12358
Emnlp2015 reading festival_lstm_cws
Emnlp2015 reading festival_lstm_cws
Ace12358
Acl reading 2nd
Acl reading 2nd
Ace12358
Naacl2015unsupervised morph
Naacl2015unsupervised morph
Ace12358
DeepLearning論文紹介@Ace12358
DeepLearning論文紹介@Ace12358
Ace12358
DeepLearning3@Ace12358
DeepLearning3@Ace12358
Ace12358
EMNLPreading@Ace12358
EMNLPreading@Ace12358
Ace12358
ACLreading2014@Ace12358
ACLreading2014@Ace12358
Ace12358
Plus de Ace12358
(18)
Can language models be biomedical knowledge bases
Can language models be biomedical knowledge bases
I know what you asked graph path learning using amr for commonsense reasoning
I know what you asked graph path learning using amr for commonsense reasoning
A semantics aware-transformer_model_of_relation_linking_for_knowledge_base_qu...
A semantics aware-transformer_model_of_relation_linking_for_knowledge_base_qu...
A semantics aware-transformer_model_of_relation_linking_for_knowledge_base_qu...
A semantics aware-transformer_model_of_relation_linking_for_knowledge_base_qu...
Camouflaged chinese spam_content_detection_with_semi-supervised_generative_ac...
Camouflaged chinese spam_content_detection_with_semi-supervised_generative_ac...
The contribution of_stylistic_information_to_content-based_mobile_spam_filtering
The contribution of_stylistic_information_to_content-based_mobile_spam_filtering
Dual tkb a-dual_learning_bridge_between_text_and_knowledge_base
Dual tkb a-dual_learning_bridge_between_text_and_knowledge_base
Knowledge_graph_alignment_with_entity-pair_embedding
Knowledge_graph_alignment_with_entity-pair_embedding
Low-dimensional hyperbolic knowledge graph embeddings
Low-dimensional hyperbolic knowledge graph embeddings
Neural relation extraction for knowledge base enrichment introduced by Yoshia...
Neural relation extraction for knowledge base enrichment introduced by Yoshia...
Emnl preading2016
Emnl preading2016
Emnlp2015 reading festival_lstm_cws
Emnlp2015 reading festival_lstm_cws
Acl reading 2nd
Acl reading 2nd
Naacl2015unsupervised morph
Naacl2015unsupervised morph
DeepLearning論文紹介@Ace12358
DeepLearning論文紹介@Ace12358
DeepLearning3@Ace12358
DeepLearning3@Ace12358
EMNLPreading@Ace12358
EMNLPreading@Ace12358
ACLreading2014@Ace12358
ACLreading2014@Ace12358
Dernier
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
Dernier
(9)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
Chainer meetup lt
1.
アカデミアでの Chainer 利用の実例 深層ニューラルネットワーク を用いた日本語単語分割 Chainer
Meetup #1 LT枠
2.
自己紹介 • 北川善彬(きたがわよしあき) • Twitter:
@Ace12358 • 首都大学東京 M1 小町研究室(自然言語処理) • 研究テーマ:Web文書を対象とした日本語形態素解析 • 興味がある分野:形態素解析、対話、ソーシャルメディア活用 • 趣味:ギター、ビリヤード、カラオケ、人狼
3.
研究のテーマ • テーマ:Web文書を対象とした形態素解析 • 課題: •
Web文書データの整備 • 学習アルゴリズムの改良(CRF, 深層学習) • 口語表現の処理(崩れ表記,新語等の処理)
4.
究極的には次のような 崩れた文の解析がしたい • 極端な例; • 小文字表記 •
カタカナ表記 • 顔文字 • 象形文字? 4
5.
先ほどの tweet を形態素解析 してみようとすると(mecab
IPAdic) 5 ま/ぇ/の/彼氏/の/とき/ィロィロ/ あっ/て/恋/に/おく/ びょぅになってた/ヮタシ/に /また/恋/を/ ぉしえてくれたの/。/。/。/ …/>_<…/いっ/も/ 支え/て/くれ/て/ぁりがとぅ/。/。/ は/ぢ/ゅかしぃ/ケド/ ダィスキダョ/。/。//////
6.
形態素解析における未知語による エラー分析(50件) • 品詞主体の分類、文字種による細分類で分析 •
名詞による誤りがほとんど、特にNEが多い • ひらがな、文字種の混合による誤りが多い 0 10 20 30 40 名詞 独立詞 接尾辞 連用詞 判定詞 複合 ひらがな カタカナ 漢字 アルファベット 混合 6
7.
未知語の品詞による分類の例 • 独立詞や、連用詞に含まれるオノマトペのような表現はたくさん生成でき る •
文字間にスペース、記号を挿入する例などは解析が難しい (例:規 制、ファ●ミリーマート) 分類 例 ()内は補足説明 名詞 まゆゆ(NE)、C・ロナウド(NE)、あ いぽん(NE) 独立詞 ふぇ、ぐはは、おはあり 接尾辞 やん(方言)、なやん(方言) 連用詞 ぴよぴよ、あへあへ 判定詞 もす(「ます」の方言)、じゃん 複合 すばらC 7
8.
研究のテーマ • テーマ:Web文書を対象とした形態素解析 • 課題: •
Web文書データの整備 • 学習アルゴリズムの改良(CRF, 深層学習) • 口語表現の処理(崩れ表記,新語等の処理)
9.
中国語においては深層学習を 用いた単語分割が盛ん • LSTM を用いた
CWS [Chen+ EMNLP2015] (state-of-the-art) • Gated Recursive NN も用いた CWS [Chen+ EMNLP2015] • 文字 Embedding を用いた CWS [Ma and Hinrichs ACL2015]
10.
単語分割は系列ラベリング問 題として解かれる • 入力:単語分割してみるよ • 出力:B
I B I B B B I B (単語 ¦分割¦し¦て¦みる¦よ) • 出力次元をラベルの数にしてニューラルネットワー クを構築できる
11.
Neural Model for Word
Segmentation • 文字 embedding のconcat • 隠れ層 • 出力層(ラベル次元) • 出力y と 遷移パラメータを用い てスコアを作成 • 正解の系列スコアと出力の系列ス コアの差が小さくなるように学習
12.
chainer で実装時の話 • ラベルを出すところま では
chainer で簡単に できる • 系列をビタビで処理す る処理が難しかった
13.
Chainer でビタビ部分のグラ フ構造を保持させるには? • ラベル
(BIのとき) • ラベル系列をリストYとして append していく(1文) • Y = [[0.7, 0.3], [0.6, 0.4],…, [0.4, 0.6]] • 必要なスコアはビタビで計算したパスに含まれる方そこで • Y = [[1, 0], [0, 1], …, [0, 1]] を作成 • Y・Y を chainer のmatmul にし chainer の function matmul で 計算すると生成確率部分のスコアが計算できる
14.
まとめ • 日本語単語分割を chainer
で実装しました • 日本語単語分割の未知語エラーの紹介 • ビタビなどの系列を処理するときに、詰まった点を紹 介 • 論文が書ければ言語処理学会 NLP 2016 で発表予定
Télécharger maintenant