ドメインにより意味が変化する単語の抽出 - にほんごのれんしゅう

ドメインにより意味が変化する単語の抽出 立命館の学生さんが発表して、炎上した論文を、わたしもJSAI2017に参加していた関係で、公開が停止する前に入手することができました 論文中では、幾つかのPixivに公開されているBL小説に対して定性的な分類をして、終わりという、機械学習が入っていないような論文でしたので、わたしなりに機械学習を使ってできることを示したいという思いがあります。（そんなに大変な問題でないように見えて、かつ、問題設定も優れていたのに、なぜ…） 炎上に対して思うところ(主観です) PixivのBLのコンテンツを参照し、論文にハンドル名を含めて記述してしまっており、作家の方に精神的な不可をかけてしまうという事件がありました。 非常にRTされている代表的なツイートは、以下のようになっています。 （該当ツイートは盗用との指摘を受けたので消しました、検索すれば出るものなで、大乗だと

[sds-page]

アイデアパクリも何も論文発表って自分のアイデアを次の研究に繋げるための行為でしょ

[REV]

（知財がらみを除くと）学術発表は、他人に真似されて、引用されてナンボだからな。投稿中の論文を覗き見して、受理されるより速くパクって先に投稿、公開させちゃうっていうのは駄目だけど。

[natukusa]

そうだよな、どう考えてもpixiv小説よりノクターンノベルの方が参照元としては適切だよな。なんであんな辺境で始めちゃったのか／用語を見ると検閲につながりかねないって指摘もよくわかる。本当に何気ない言葉だもん

[enemyoffreedom]

ほーいいじゃないか こういうのでいいんだよこういうので / 元の論文はそもそも分析以前の内容だったので(あえていうなら仮説に基づく分類？)、あれ読んで再現性のためURLが必須とか言ってる方は多分正しく読めていない

[esuji5]

「BL小説は詳しくないのですが…」

[TakamoriTarou]

GB単位の情報を使ってて、著作権法の例外が意図する情報解析は、多くの場合著作権者に損害与えないとして許可されていて、こういうことだ、と言うのが解る感じ。分析の為の複製は引用ではないのできちんとやらないと

[Agrius_Akita]

想像していた機械学習なやつだ

[kazuau]

そうか足首フェチって忌避されてるかと思うほど表現されてないんだなと表2を見て思った自分はなんかずれてるのかもしれない。

[shoh8]

そう。こっちの方にちゃんとやろうよ。 / 小学校の時に宿題やってたら受験生の兄が気晴らしにと言って計算ドリル一冊を一瞬で解いてしまったの思い出した。

[kamayan1980]

重箱隅。記事内の誤字が目立つ気がしました。「大乗」＝仏教用語。理想に到達するための乗り物のことで、転じて捨て駒ヨッシー的な用法をされることも。「事務的な口調で支持される」＝棒読みのことでしょうか？

[roki_a]

例の論文テーマでまともにやりました、な記事。個人的にはやはり検閲につながる怖い研究だと思った。おそらく、精度がわるければ情感たっぷりに書いた肉を食べる食事描写がひっかかる。

[mthiroki]

関係ないけど、スマホで文章作ってたりするんだろうか？あまりに微妙な誤字が随所に散りばめられていて、間違い探し的な、試されてる感ある。

[kamanobe]

妥当性を感じる結果だ。なるほどー。

[shinep]

論文2.0だ

[uskey]

普通まとめるとこうだよねという風にまとまっていてとてもよい

[acealpha]

こうしてきちんと分析してみると、結果は面白いが目新しい研究ではないな

[tenkinkoguma]

嫌味を感じない

[kotetsu306]

規約上、Pixivはわいせつ表現NG、ノクターンはわいせつ表現OKなのが違い。PixivのBL小説は「わいせつ表現フィルタを潜り抜けたわいせつな文章」のサンプルとして別の母集団になれるとは思う

[rAdio]

「そうだ、それでいい。」 / けど、こんなにサクっとできるのなら、いくらでも先行事例あるんじゃないだろうか。

[AyeBee_TY]

なるほど、「指示」と「支持」、同じ読みでもまるで違う文面になるね。

[shibacow]

ジェバンニが一晩でやってくれました案件。

[leiqunni]

人間はその単語の意味の変化をドメイン情報ではなく文脈から行なっているので、研究としてはその文脈がかかっている画像のエロ度で判断とか。転化すると文脈からエロ画像を判断できる？

[skel]

大人気なくてとてもよい

[ikajigoku]

え、例の発表てっきり機械学習使ってたのかと思ってたけど違うのか

[damehobbyanimelike-913]

すげえとしか言いようがない。

[lyiase]

なるほど、ノクターンノベルスとなろうの文書から表現をベクトル化して、その距離を比較することで、普通の文書と性的な文書で「意味がどれだけ離れたか」を抽出しているのか。この段ではまだ論文に出来ないかな…。

[rjge]

”このように、ドメインによって意味やニュアンスが異なる単語は、定量的なアプローチで分析することができる”

[amamako]

ガチ勢だ／ここから、どうやって「意味が変化する言語」の内、有害表現的な意味変化を抽出するかだよなぁ。

[modoroso]

ふむー、この研究が発展すればネット上で売春や麻薬などの闇取引の際に使われるホ別苺とかアイスとかの隠語を分析して捜査に役立てる、とか出来そうだね

[mas-higa]

ブログタイトルやプロフィールにある通りたいへん読みにくい日本語

[synbizmix]

元論文（立命館のpixivのやつ）より、こちらの方が有意義な...（元論文は、、、ゲフンゲフン.../ドメインにより意味が変化する単語の抽出 - にほんごのれんしゅう

[hevohevo]

すばらしい。論文書こう？　／“論文中では、幾つかのPixivに公開されているBL小説に対して定性的な分類をして、終わりという、機械学習が入っていないような論文でした”　なにそれこわい人工知能関係ないじゃない

[laughing]

強い（確信