[B! 企業][data] d12892のブックマーク

d12892 id:d12892

企業とdataに関するd12892のブックマーク (2)

大阪ガスが取り組んだ、日本企業でデータ分析専門チームを作り成功させる3つのポイント | 【レポート】アナリティクスサミット2018
IoTやAIブームの中で、多くの企業がデータ分析の専門家や専門チームを設けて、「分析力を武器とする企業」を目指している。しかし、単発的な成果は出せても、それを継続していくことは簡単ではない。アナリティクスアソシエーション（a2i）主催で4月18日に開催された「アナリティクスサミット 2018」に、大阪ガスで長くデータ分析チームを率いてきた河本氏が登壇。日本企業の体制や風土に融合させることが難しいと言われるデータ分析専門チームの作り方・在り方について解説した。一般企業のデータ分析チームはなぜ難しいのか2018年3月まで大阪ガスビジネスアナリシスセンター所長を勤めていた河本氏は、4月からは滋賀大学データサイエンス学部教授へと転身し、若いデータサイエンティストの育成に取り組んでいる。河本氏が率いていた大阪ガスビジネスアナリシスセンターは、情報通信部の内部組織で、9名の分析者が所属して
d12892 2023/06/12
data

企業
リンク
公開されている日本の企業名辞書の紹介 - MNTSQ Techブログ
特許・契約書・有価証券報告書・企業関連ニュースなど、実応用上の自然言語処理では、会社名を認識したいという場面に非常に多く出くわす。会社名らしい文字列をテキストから抽出することは、形態素解析器の辞書を用いたり固有表現抽出モデルを学習することである程度実現される一方で、抽出した会社名をレコード化して分析などに用いる際には、いわゆる名寄せの問題が発生する。自然言語処理における名寄せに似た問題は、エンティティリンキングや共参照解析といったアプローチで探求されており、実応用上は前者のアプローチが採られることが多い印象がある。*1 名寄せタスクをエンティティリンキング的に解くためには、帰着先の知識ベース・辞書が予め存在していることが必要だが、研究の文脈では知識ベースとしてWikipediaが採用されることが多い。 Wikipediaを用いる利点は多くあり、様々なエンティティ種に対してそこそこのカバ
d12892 2021/04/29
data

企業

programming
リンク
1