統計的自然言語処理と機械学習・統計学の未来
1 § ¦ ¤ ¥招待論文 Invited Paper 統計的自然言語処理と機械学習・統計学の未来 Statistical natural language processing and Statistics in the future 持橋 大地 Daichi Mochihashi 統計数理研究所 モデリング研究系 Department of Statistical Modeling, The Institute of Statistical Mathematics daichi@ism.ac.jp, http://www.ism.ac.jp/˜daichi/ keywords: computational linguistics, statistics, statistical machine learning Summary This paper reviews the la
Topicに基づく統計的言語モデルの最前線 PLSIからHDPまで
, 2006.3.13 Topic URL= http://www.mibel.cs.tsukuba.ac.jp/~myama/pdf/topic2006.pdf • – • ex. • – – – • • UM DM PLSI LDA [ 1999] HDP � �� �� �� �� �� ��������������������������������������������������������� Eurospeech 㖸㗀ቇળ⎇ⓥ⊒ળ ᤐ ⛔ ⸘ ⊛ ⸒ ⺆ ࡕ ࠺ ࡞ 㑐 ㅪ ⺰ ᢥ ᢙ ࡐࠬ࠲㒰ߊ㧕 1/2 • • n-gram – Noisy Channel Models – – • – – 2/2 • PLSI LDA Probabilisitic LSI Latent Dirichlet Allocation UM DM Unigram Mixtures Diri
mots quotidiens. LatticeLM
1週間ほど前に, 京大の Neubigさん から, FST上の教師なし単語分割ツール latticelm [LINK] の実装を公開した, との連絡をもらったので, 試してみました。 このツールは僕が前にやった教師なし形態素解析ができる他 (NTTではどうやっても 僕のコードは公開できないのですが), Neubigさん自身の研究 で, 音声認識結果の音素ラティスからの直接の言語モデル学習が可能なようです。 インストールには普通に OpenFST を configure; make してから, latticelm の ディレクトリでmakeを実行するだけ。以下は京大コーパスに対して実行してみた ものです。 sj205:~/work/neubig/latticelm% time ./latticelm -annealsteps 0 -unkn 5 -burnin 10 -samps 12 -p
Natural Language Principles in Perl (ja)
Perlの自然言語原理 by Larry Wall (Perl作者), " Natural Language Principles in Perl". Japanese: Daichi Mochihashi <daiti-m@is.aist-nara.ac.jp> (解説) 一度学んで、何度も使う 自然言語は一度学べば、何度も使うものである。ここから言語の設計者が学べるのは、 言語は学びやすさではなく、表現力の方に最適化されるべきだ ということである。ゴルフカーの運転を学ぶのは簡単だが、それでは やりたいことを表現することはできない。 しだいに学ぶ 人は自然言語を学ぶのを決してやめないという意味で、一度も自然言語を 学んでしまうことがない。 どんな人もかつて、何かの自然言語を完璧に学んでしまったことはない。 不幸にして, 直交性に対する要求から、多くのコンピュータ言語はいつでも 任意の自由
zsh for the working researcher
zsh for the working researcher * Daichi Mochihashi daiti-m@is.aist-nara.ac.jp April 30, 1999 0. はじめに Unixに代表されるコマンド入力型の文化は世界の一つの側面であり、シェルはその 顔です。シェルに打ち込む文字列は言語に似て、一次元の記号列でありながら 豊かなイメージを持ち、多くの仕事を行うことができます。私はMacintoshが 大好きですが、GUIだけでなくそのような文字列によるシステムの操作にも ある種の美を感じ、また便利でもあると思っています。 したがって、システムとのコミュニケーションを豊かにするためには、その顔である シェルで表現できることを増やさなければなりません。多くの人は, (t)csh, あるいは bash を使っていると思いますが、このドキュメントではそれらの上位互換の
Publications
Papers "Learning Adverbs with Spectral Mixture Kernels", Tomoe Taniguchi, Ichiro Kobayashi and Daichi Mochihashi. Findings of ACL 2024, to appear. (will also be presented at SpLU-RoboNLP 2024) 「潜在的正規分布によるイベントの時間関係の推定」. 船曳日佳里 (お茶大), 持橋大地, 浅原正幸, 小林一郎. 言語処理学会第30回年次大会A5-5, 2024. (NLP2024 委員特別賞) 「語形の分布状況のベクトル化による言語地図の分類方法」. 近藤泰弘(青山学院大), 持橋大地, 言語処理学会第30回年次大会D5-1, 2024. 「木構造自己注意機構による教師なし統語構造解析」. 成田百花(お茶大
lwlm, The Latent Words Language Model.
Daichi Mochihashi NTT Communication Science Laboratories $Id: lwlm.html,v 1.1 2010/03/19 10:15:06 daichi Exp $ lwlm is an exact, full Bayesian implementation of the Latent Words Language Model (Deschacht and Moens, 2009). It automatically learns synonymous words to infer context-dependent "latent word" for each word appearance, in a completely unsupervised fashion. Technically, LWLM is a higher-or
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
http://chasen.org/~daiti-m/paper/susemi200711language.pdf
http://chasen.org/~daiti-m/text/zsh-exec.html
http://chasen.org/~daiti-m/paper/vb-nlp-tutorial.pdf
http://chasen.org/~daiti-m/paper/naist-dlec2004-lmodel.pdf