どんどん賢くなるチャットボットの作り方
こんにちは、LINE株式会社でDeveloper Advocateをしている中嶋です。この記事はLINE Advent Calendar 2017の1日目の記事で、私が日頃開発しているチャットボットによく適用している、自動学習機能についてアイデアを共有したいと思います。 概要 チャットボットは人のように対話できるシステム、とざっくり定義することができると思います。チャットボットの背後では、ユーザーからのメッセージに対して自然言語処理をおこなってユーザーの意図を特定し、その意図と文脈に応じて処理と返答をおこなう方式が典型的な実装の1つだと思います。 この仕組みで「賢くなる」には2つの側面があり、1つは理解力が高まること、もう1つはできることが増えることです。一般に、前者は自然言語処理、後者はスキルを強化していくことを意味します。 今回この記事でご紹介するのは理解力を高める方法です。自然言語処
リクルートがAIをまさかの無料公開。さっそくすべてのAPIを試しまくってみた | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
JavaScript で 機械学習はじめよう
JavaScript で 機械学習はじめよう Shuhei Iitsuka みなさん、こんにちは。飯塚修平といいます。 それでは、JavaScript で機械学習はじめようという題で発表させていただきます。 よろしくお願いいたします。 1 http://bit.ly/2FDqHss
TensorFlowのSeq2Seqモデルでチャットボットっぽいものを作ってみた - Qiita
のような感じです。これをtest_data_in.txtとtest_data_out.txtも同様に準備をします。 訓練用306文とテスト用306文(IN,OUTが153ずつ)の計712文で、語彙数は訓練用とテスト用それぞれ約500ずつです。 データは非常に少ないです（泣） 学習のコード 学習を行うコードです。 チュートリアルのデフォルトではバッチ（batch_size）が６４、層の数（num_layers）が3、層のユニット（size）が1024、語彙数が（vocab_size）が40000の大きさでした。 #!/usr/bin/env python # -*- coding: utf-8 -*- # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file ex
【Chainer入門】Trainerで訓練コードを書いてみよう！ | 侍エンジニアブログ
Chainerでは、MNISTを読み込む（手元に無ければダウンロードしてくれる）関数があります。 まずはこれを使ってデータを手に入れましょう。 from chainer.datasets import mnist train, test = mnist.get_mnist() このコードを実行すると、最初の一回目ならデータがインターネットを介してダウンロードされます。 少し時間がかかるかもしれませんから、注意してくださいね。 この方法でデータを読み込むと、教師データが60000個、テストデータが10000個となります。（※バリデーションデータが教師データの中に含まれている） それぞれのデータには、28×28=784個の数字が含まれています。 試しに28×28の行列に戻して、データの中身を見てみましょう。 これが一枚の画像を表したデータです。 0~1の数字でできています。1に近いほど黒い事を
ディープラーニングを用いた自然言語処理の今と、ビジネス面でのネガティブな事実
2018年4月20日、Deep Learning Labが主催するイベント「音声・言語ナイト」が開催されました。Chainerを提供するPreferred Networksと、Azureクラウドを提供するMicrosoftによる、エンジニアコミュニティDeep Learning Lab。今回は、自然言語処理や合成音声など、音声・言語×深層学習（ディープラーニング）の最新事例や知見を発表しました。プレゼンテーション「深層学習時代の自然言語処理ビジネス」に登場したのは、株式会社Preferred Networksの海野裕也氏。ディープラーニングによる自然言語処理技術の最前線と、ビジネスへの転用可能性について語りました。 自然言語処理の活かし方 海野裕也氏（以下、海野）：では、お話を始めさせていただきたいと思います。Preferred Networksの海野と申します。 今日は「自然言語処理の話
自動文章生成AI（LSTM）に架空の歴史を作成させた方法とアルゴリズム
※サンプル・コード掲載 １．AIに文章を作らせる方法概要 架空の名前から架空の人物の歴史概要を作成させてみました。 やり方としては、wikipediaの人物の概要の部分を抜き出してRNNにトレーニングさせます。 そのトレーニングさせたモデルに対して名前を入力すると、その人物の概要を出力してくれるようにします。 RNNとは、Recurrent Neural Networksの略で、時系列の情報を学習させるためのニューラルネットワークのモデルのことです。 文章を生成させるようなモデルの場合、多層パーセプトロンのようなモデルだと出力の長さが一定になってしまい、うまく作ることができません。 そこでRNNを使い、入力が単語（文字）、出力が次の単語（文字）として学習させると、そのモデルに次々と出力された単語を入力させることによって文章が生成出来るようになります。 そして、RNNは内部の重みを入力によっ
【期間限定で無料公開！】独学プログラマーのためのAIアプリ開発がわかる本｜Dai
この度、noteのおかげでKADOKAWAさんからの出版が決定いたしましたので、書籍の半分を公開したいと思います！ 本の価格は2700円となっています。また、こちらのnoteよりも書籍で購入していただいた場合、画像やコラムなどがリッチなので、書籍で買っていただいた方がお得かと思います！ 書籍の一部をサンプルとして、公開します。 ＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊ はじめに独学文系プログラマーでも AI アプリは作れる こんにちは、Dai( ツイッター :@never_be_a_pm) と申します。この本の著者であり、3 カ月で 10 万人のユーザーが登録した AI アプリ「文字起こし君」の作者です。この本を読む前に、簡単な自己紹介をさせてください。 まず、僕は文系大卒で、趣味でずっとプログラミングをしている独学のプログラマーです。受験生のときは文系で、大学時代は教育学を専
ディープラーニングを実装から学ぶ～ (まとめ１）実装は、実は簡単 - Qiita
MNISTの予測をディープラーニング(ニューラルネットワーク)で行います。実は、ディープラーニング(ニューラルネットワーク)の実装は簡単です。数十ステップで98%程度の精度を達成できます。 （注意事項） ディープラーニング(ニューラルネットワーク)の学習方法を理解すること目的としたプログラムです。MNISTデータ程度のデータを想定しています。大量のデータやデータによっては、この実装だけは対応できません。。あくまでもディープラーニング(ニューラルネットワーク)の基本を理解するという視点でご覧ください。 ニューラルネットワーク 以下のような図を見たことがありますか？脳を模倣したニューラルネットワークです。 緑枠が脳細胞を表すニューロンです。ニューロンとニューロンの間はシナプス（青の◆）で結合しています。シナプスでのデータの受け渡し度合いを重み($ w $)で表します。ニューロン間の結合の度合い
ディープラーニングについて学ぶならこの2冊を読むしかない｜加藤貞顕
年末年始はこの２冊を読んでいた。 『はじめての深層学習プログラミング』清水亮 『ゼロからつくるDeep Learning』斎藤康毅 結論から言うと、いま、人工知能やディープラーニングに興味があるひとは、２冊とも必読ではないかと思った。 アプローチが完全に対称的なので、両方読んだら、理論と雰囲気について、見通しがつくようになったのがとてもよかった。 『ゼロからつくるDeep Learning』は、ていねいに書かれたオーソドックスな入門書だ。人工知能開発によく使われる言語・Pythonの基本や数値計算ライブラリの使い方からはじまり、ニューラルネットワーク、ディープラーニング、畳み込みときて、最後に画像認識を解説する。随所に適切な例題やサンプルコードを交えて、理論と実践をバランスよく説明している。 対して、『はじめての深層学習プログラミング』は、まったく真逆のアプローチだ。なんと、理論の解説など
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
しかじろう on Twitter: "コーセラの機械学習、四週目に入った。"