「Google日本語入力」開発者が語る、その狙い
Google日本法人が公開した新日本語入力システム（IME）「Google日本語入力」について、開発した同社の技術者が12月7日、開発の経緯や狙いなどを話した。予想を超える反響があったといい、「早い時期にβが取れる形で提供したい」と意気込む。Googleが来年リリースを予定している「Chrome OS」にも組み込まれる予定だ。 同IMEは12月3日にβ版として公開。Webから集めた情報を基に自動的に生成した辞書を搭載し、新語や専門用語、芸能人の名前などに強いのが特徴だ。冒頭の数文字を入力すると候補語を変換するサジェスト機能や、数字を16進数に変換する機能など、Googleらしい機能も備えている。Windows XP／Vista／7（それぞれ32ビット版）とMac OS X（Leopard以降）に対応し、無料で利用できる。 エンジニアの情熱の成果 開発は、ソフトウェアエンジニアの工藤拓さんと
ニフティ、2億ブログ記事から自然文でも検索できる 「みんなのレシピ検索」公開
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
スタンフォード大学の自然言語処理(NLP)の授業公開っぷりがとてつもない件 - Unchained Life
以前からMITのOCWを中心にアメリカの大学の授業のビデオや資料などが公開されているのは知っていたが、今日知ったスタンフォード大学の授業公開っぷりがものすごい。 http://see.stanford.edu/SEE/lecturelist.aspx?coll=63480b48-8819-4efd-8412-263f1a472f5a 授業のビデオだけではなく、なんと授業のtranscript、つまり授業中に先生がしゃべったことがテキストに書き起こされているのだ。 MITなどでも授業のビデオは公開されていたが、当然授業の内容を理解するには授業資料がある場合にせよ、何をしゃべっているかを自分で聞き取るほか無く、リスニング力が低い僕には結構ネックだった。 それが今回しゃべる内容がテキストになっているということで聞き取れなくてもテキストを見ればよいし、リスニングの勉強にもなる。 しかも公開されてい
「IME 2007」が“やればできる子”になる？ 変換・学習を改善する修正プログラム公開 - ITmedia News
マイクロソフトは10月20日、「Office IME 2007」の修正プログラムを公開し、かな漢字変換の精度や学習機能を向上させた。IMEのページで無料でダウンロードできる。適用すると今までの学習情報は削除される。 従来のIME 2007は、文字を参照するアルゴリズムと文法辞書に不具合があり、平仮名を漢字に変換した際、変換結果が細かく区切れて誤変換を引き起こしたり、ユーザーが登録した単語を変換できない場合があった。不具合を修正して誤変換を削減。ユーザーが登録した単語も、すぐに変換できるようにした。 学習機能も強化した。かな漢字変換の際、前回選択した漢字が変換候補に表示されないなど、学習機能がすぐに効かない不具合があったが、学習アルゴリズムを見直し、すぐに学習が効くよう修正した。 IMEを使い続けると誤変換が顕著になるという不具合も改善。入力した文字を学習する際の情報に不具合があり、誤変換を
きまぐれ日記: IMEにおける「文節」とは何ぞや
とあるIME開発者と仮名漢字変換(IME)における「文節」についてディスカッションする 機会がありました。今まであまり真剣に考えたことなかったのですが、 この「IME文節」、いろんな意味で興味深いということを改めて認識しました。 学校文法や自然言語処理におけるいわゆる「文節」とは 統語的な性質からほぼ一意に決定できる単位です。 簡単には 自立語連続＋付属語 と言えるでしょう。 たとえば、 「東京特許許可局で工藤は講演をした。」 は 東京特許許可局で｜工藤は｜講演した。 の3文節になります。小学校のときに「～ね」を挿入できる単位として 習ったかと思います。 しかし、IMEで上記の文を変換してみると。 東京|特許|許可局で|工藤は｜講演した|。 と分割されます。(WinXP) あきらかにNLP業界の文節と単位が異なるようです。 このIMEが使っている分割の単位を「IME文節」と呼ぶことにしまし
CRF++: Yet Another CRF toolkit
Template type Note also that there are two types of templates. The types are specified with the first character of templates. Unigram template: first character, 'U' This is a template to describe unigram features. When you give a template "U01:%x[0,1]", CRF++ automatically generates a set of feature functions (func1 ... funcN) like: func1 = if (output = B-NP and feature="U01:DT") return 1 else ret
TinySegmenter: Javascriptだけで実装されたコンパクトな分かち書きソフトウェア
TinySegmenterはJavascriptだけ書かれた極めてコンパクトな日本語分かち書きソフトウェアです。 わずか25kバイトのソースコードで、日本語の新聞記事であれば文字単位で95%程度の精度で分かち書きが行えます。 Yahoo!の形態素解析のように サーバーサイドで解析するのではなく、全てクライアントサイドで解析を行うため、セキュリティの 観点から見ても安全です。分かち書きの単位はMeCab + ipadicと互換性があります。 デモ 日本語の文章を入力し、解析ボタンをクリックしてください。 ダウンロード TinySegmenterはフリーソフトウェアです. 修正BSDライセンスに従って本ソフトウェアを使用,再配布することができます. Download TinySegmenter version 0.2 使い方 <script type="text/javascript" src
TinySegmenterによるJavaScriptエンジンベンチマーク - シリコンの谷のゾンビ
ナイーブベイズアプリが僕にとっては一生の思い出に残るほどはてなブされたので，きちんと日本語も分割できるように改良しようと思った．工藤拓氏のJavaScriptだけで書かれた分かち書きソフトウェアTinySegmenterを使うことにした． TinySegmenter:JavaScriptだけで書かれたコンパクトな分かち書きソフトウェア http://chasen.org/~taku/software/TinySegmenter/ ところで巷ではGoogle Chromeが大流行のようで，きやつの持つV8エンジンというエンジンをちょいと試してみたくなった． そんなわけで，JavaScriptエンジンのベンチマークにTinySegmenter使ってみたくなった．「TinySegmenter ベンチマーク」とかで検索してもやっている人いなさそうだから，ベンチマーク用の検証プログラム(html)を
ナイーブベイズによるテキスト分類アプリで日本語を扱えるようにしました - シリコンの谷のゾンビ
たくさんの方にブックマークして頂いて，感謝感激でした．感謝の意味をこめて少しだけ改良しました．といっても自分の力ではないですが．．． 昨日の日記でも紹介したTinySegmenterによって日本語の文も扱えるようにしました Naive Bayes Text Classifer ver.2 日本語はじめました TinySegmenterの作者の工藤拓氏に感謝申し上げます．m(_ _)m 主な変更点 TinySegmenterによって分かち書きをするようにしたので，日本語を扱えるようにしました． 見た目をほんのちょっと変えました デモ用にサンプルテキストを用意しました せっかくなので，いじりやすいようにサンプルテキストも用意してみました． チュートリアル：憲法とこころを分類してみよう 憲法をPositive，こころをNegativeとします（逆でもよいです）． 憲法前文をクリック．憲法前文がテ
ナイーブベイズによるテキスト分類体験アプリ - シリコンの谷のゾンビ
もともとは研究室の新入生にNaive Bayesのイメージをつけるためにつくったもの．Naive Bayesを世の中に広めるために，きちんと公開することにしました． Text classification by Naive Bayes (2008-09-11追記）好評だったので日本語を扱えるようにしました．詳しくはこちらの日記をご覧ください． Text classification by Naive Bayes ver.2 日本語はじめました Naive Bayesナニソレ？という方はとりあえずググりましょう．理屈はわかったけれど，うまくイメージがつかないなぁ．．という状態になったら本プログラムを触ってみてください．すっきりします．たぶん． 使い方の説明 単語区切りが面倒なので日本語は使えません．あしからず． 本文を入れるっぽいところにテキストを入力します． クラスを選択して学習ボタンを押
これで翻訳と名乗れるその神経がわかりません、Googleさん。 - I have got some news from ...
※9月5日、ますます謎が深まった件についてなど、補足あり。 「google翻訳 使えない」という底意地の悪い検索で見つけた2ちゃんの投稿をまとめたページ＠2008年5月*1にあった「めちゃくちゃな“翻訳”の例」から、2つの例をやってみた。3ヵ月も経過していれば何らかの進展はあったかもしれない。 僕はばかだ。→ I was dead. ※5月から変化なし *2ありえない。 Googleの翻訳は役に立ちません。→ Google's translation is useful. ※5月から変化なし「ソビエトロシアでは……」といいたくなる捏造っぷり。*3 ただ、これは極端におもしろい例で（2ちゃんで話のタネになるくらいの）、まともにいく場合もある。例えば「首相は非常事態を宣言した。」は "The prime minister has declared a state of emergency."
アクセラナビ
Kartu kredit online bisa mendukung kamu untuk memiliki perangkat VR (Virtual Reality) yang sedang populer saat ini. VR banyak digunakan dalam dunia game, kesehatan, pendidikan, bahkan arsitektur. Teknologi ini memungkinkan kamu menikmati grafis yang interaktif, seakan mengikis dunia nyata dan virtual. Memiliki kecanggihan tinggi, VR juga memiliki beragam peralatan pendukung yang bisa kamu miliki.
あのひと検索 SPYSEE [スパイシー]
あのひとのことが知りたい。 あのひと検索スパイシーはひとのプロフィールとつながりを知ることが出来る人物検索サービスです。
Sen - 日本語形態素解析システム
Sen は Java で書かれた日本語形態素解析システム。 C++ で開発されている MeCab を Java に移植したもの。 辞書は MeCab、茶筌と同じIPAの辞書を利用。 Sen配布ページ 辞書の構築に Apache Ant が必要。 このページは Sen version 1.2.2.1 用である。 インストール Apache Antのインストール Sen は辞書を構築するのに Apache Ant というビルドツールを使う。 これをあらかじめインストールしておく必要がある。 Apache Ant のインストール Senのインストール パッケージはSen配布ページから sen-1.2.2.1.zip をダウンロードしておく(mirror)。以下では ~学籍番号/Desktop/ にダウンロードしたものとして話を進める。 展開 /usr/local に展開し、ディレクトリ名を se
グーグル先生を超える良回答連発、Powersetを使ってみた − ＠IT
2008/05/15 インターネットの検索でエポックメーキングな出来事は2度しか起こっていない。1994年にジェリー・ヤン氏らが立ち上げたヤフーがインターネットに検索をもたらしたときと、1998年にラリー・ペイジ氏らがグーグルを立ち上げ、Webページの重要度を示す「PageRank」という概念を導入したときだ。検索連動広告の発明もビジネス的には大きなステップだったが、使い勝手の向上というユーザー視点での転回点は2つだけだ。いま、ベンチャー企業の米Powersetが注目を集め、3つ目のイノベーションを起こすかどうかが注目されている。 ネット検索の歴史：数から順位への転換 Powersetが解決しようとしている問題を明確にするために、インターネットの検索エンジンの歴史を少しだけ振り返ってみよう。 グーグルが登場する以前、各検索サイトは、自分たちがいかに多くのWebページをクロールし、検索に対し
連載：検索エンジンを作る｜gihyo.jp … 技術評論社
運営元のロゴ Copyright © 2007-2024 All Rights Reserved by Gijutsu-Hyoron Co., Ltd. ページ内容の全部あるいは一部を無断で利用することを禁止します。個別にライセンスが設定されている記事等はそのライセンスに従います。
【インタビュー】VistaとOffice 2007、かな漢字変換の結果が違うのはなぜ？――IME 2007の開発者に聞く：ITpro
【インタビュー】VistaとOffice 2007、かな漢字変換の結果が違うのはなぜ？――IME 2007の開発者に聞く 「Windows Vista」と「2007 Office system」の企業への提供が始まった。1995年以来11年ぶりの、OSとOfficeの同時リリースだ。だが両製品を試用してみると、一つ疑問に思うことがある。かな漢字変換の結果が異なるのだ。同時期にリリースされた2製品だが、実は搭載しているかな漢字変換技術は全く別のものだという。詳細を、マイクロソフト ディベロップメントでIMEの開発を率いる、オフィスサービス開発統括部 インプットメソッドテクノロジーの佐藤良治シニアマネージャに聞いた。 ■Vistaと新OfficeのIMEは、何が違うのか。 VistaのIMEは、「Office 2003」の技術を踏襲している。Vistaへの対応など内部的な手直しはしたが、変換結
ATOKなら3倍速く打てる！
「Windowsをインストールしたら、アンチウィルスソフトとATOKは入れておけ！」 という格言(*1)が示すとおり、Windowsを操作する上で必須なのがATOK(*2)。 今まで「ATOK最高！」と叫ぶには、敵を作りすぎると思って控えてきましたが、 古川 享 ブログ: MS IMEさらに...お馬鹿になっていく にて、元マイクロソフト株式会社・執行役最高技術責任者の古川さん（去年の怒りはこちら）が、 某MS社員に、「MS IME最近どうなっているのよ？」と先週聞いた答えが...「IME開発の主体が、中国にシフトしまっていて我々も手を出せない......個人的にはATOKに切り替えようと思っている」と言う現役開発系社員の発言に絶句!!! とおっしゃっていたので、今日はATOKの素晴らしさを語ってしまいます。 今では手放せないツールとなってしまったATOK（エイトック）。 Windows向
2008-02-15
某MS社員に、「MS IME最近どうなっているのよ？」と先週聞いた答えが...「IME開発の主体が、中国にシフトしまっていて我々も手を出せない......個人的にはATOKに切り替えようと思っている」と言う現役開発系社員の発言に絶句!!! 4 兆円を超える金でYahoo買おうという発想があるならその数10分の１でも、IMEの品質向上に自ら開発投資をするべきで...本来IMEは、かな漢字変換としての機能だけではなく...正しい漢字を検索する、自分のファイルやデータをローカルファイルの中から検索する、企業内部で共通辞書や住所、顧客データなどを検索する、社会のデータベースやインターネット上の情報を検索するに必要な共通技術であるにも関わらず...まぁ、そんなことが理解できない経営者が...IMEの開発は中国でやった方が安く済むと思っているのであれば、未来は無いねぇ... 私自身はずっと ATOK
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
asahi.com：コピペしたリポート、ばれちゃうぞ 検出ソフト開発 - 暮らし