Tree Edit Distanceと自然言語処理への応用 - Preferred Networks Research & Development
海野です。ちょっと時間があいてしまいましたが、昨年の12月に開催されたNTCIR-9という会議のRecognizing Inference in TExt (RITE)というタスクに、前職の方々と共著で出場しました。 Syntactic Difference Based Approach for NTCIR-9 RITE Task. Yuta Tsuboi, Hiroshi Kanayama, Masaki Ohno and Yuya Unno. NTCIR-9, 2011. [pdf] 含意関係認識といわれるこのタスクは、大雑把に言うと与えられた2つの文が同じ意味のことを言っているかどうか判定しなさいというタスクです（厳密には一方からもう一方が帰結できるかの判定です）。今日は、その中で使ったTree Edit Distance (TED) について解説します。 TEDは2つの順序付き木が
Transfer Learning for Behavioral Targeting(WWW 2010) 読んだ - 糞糞糞ネット弁慶
背景 行動ターゲティング広告では似た嗜好をユーザをセグメンテーションし，セグメントごとに適した広告を提示したい． じゃあどんなデータからやるのか，ってなると普通に考えてユーザiが広告jをクリックした回数を要素に持つ行列かユーザiがクエリjを入力した回数を要素に持つ行列かのどっちかを使おうという話になる． 一番理想的なのはをそのまま使いたいが，そもそもユーザは広告なんかほとんどクリックしない．じゃあ代わりにを使うかというとちょっと苦しいし，データの質とスパースさのトレードオフ．というのが行動ターゲティング広告研究の現場． 提案手法 Translated Learning*1と呼ばれる手法がある（らしい．今回はじめて知った）．これは source の feature に行列をかけて target の feature に変換してやるみたいなノリ． 今回はそれに似たアイデアを使う．具体的には変換行
少しでも研究に興味がある人，面白いテーマを探している人は「研究に必要なたったN個の事」とかいう記事を読まずに今すぐに"How to do good research, get it published in SIGKDD and get it cited!"を読
言いたいことはタイトル． そもそもSIGKDDとはSpecial Interest Group on Knowledge Discovery and Data Miningというデータマイニングや知識獲得のトップカンファレンス．WWWについで読んでて興味が合う論文が多い． How to do good research, get it published in SIGKDD and get it cited!(pdf) 173ページあるスライドだけど良い事ばかり書いてあるし，読者を楽しませるような非常に多くの著者の実体験(成功したものだけでなく，失敗したものも)や，後半になるとダメな論文，間違っている論文，その例が大量に載っていて飽きずに読める．ただKDDに通したい人だけでなく，研究を少しでもやろうとしている人，論文を書こうとしている人，面白いことをやりたい人は必ず読むべき． 適当に面白か
知能ロボットに関するアカデミック・ロードマップ
近年ＡＩに順風が吹き始めています．学界ではセマンティックWebを初めとするSemantic Technologyが注目されつつありますし，産業界では知識や知識処理を再評価する動きが見られます．ロボットの分野でも同様の動きが見られます．ロボットの知能化です．我が国はロボット技術では世界をリードする立場にありますが，ロボット技術の将来像の一つして，知能ロボットが注目されています．実際，現在経済産業省で「次世代ロボット知能化技術開発プロジェクト」の公募が行われていることもその一環として捉えることができます． この様な状況の中で，経済産業省は長期的な視野に立ってロボットに関する学術的な研究領域・方向性を探索する「アカデミック・ロードマップ」の策定プロジェクトを企画しました．この企画は，日本ロボット学会，人工知能学会，そして日本人間工学会の３学会が共同して行うものです．人工知能学会はこれまでこの様な
Spaghetti Source - k-最短路
説明 グラフ G と始点終点の対 (s,t) が与えられたとき，s-t パスの中で k 番目に短いものを求める問題を k-最短路問題という． この問題に対する最も基本的な解法は，優先度付きキューを用いてダイクストラ調にグラフを探索し，通常なら最短距離が確定した頂点を切り捨てるところを k 個の最短距離が確定した頂点を切り捨てるようにすることである（以下に実装を示した）．この方法で計算量 O(k E log V) が達成できる．多くの応用ではこれで十分だと考えられる． 理論的にはもっと頭の良い解法が提案されており，例えば Eppstein による deviation に基づくアルゴリズムは O(k + E + V log V) を達成する．しかし，このアルゴリズムはパスを管理するデータ構造を持たなければならず，シンプルに実装するのは難しい．そこで以下では Eppstein の方法を参考にした
Stability in Pattern Recognition
不変則の紹介 [不変則の紹介] [不変則批判] [不変則批判再論] [対判定擁護] ←[パターン認識雑論] ←[中野の研究紹介] ←[中野の目次] 「パターン認識における不変則」は、安田道夫教授 (明星大学情報学部電子情報学科) によって、 1996年11月、京都大学数理解析研究所研究会で発表されたものである。 ただし、かなり昔の電子通信学会大会 (1972年頃) で基本アイデアは提示されている。 1997年頃、あるところでこの理論が紹介され、 (電子メイルと参加者限定ウェブ上で) 議論が展開された。 そのときに作られた安田氏論文の電子テキストはあるが、 公開されたものではないので著作権の観点から紹介せず、筆者の理解したところを紹介する。 したがって、このページに誤りがあれば全責任は筆者にある。 読んで戴けばわかるように、光学的文字認識 (OCR) をパターン認識の例としてとってい
Leo's Chronicle: 学生を成功に導くアドバイス - Ullman先生からのアドバイス
博士課程には、二人として同じ学生はいない。そして、教師がすべきことも個々の学生に応じて変わる。自分のキャリアを振り返ってみて、うまくいったいくつかの方法と、よく使われているけれど実際には学生のためにならないやり方というのがよくわかるようになった。まず初めに述べておくと、教師のゴールとはどうやったら学生が自分自身の力で考え、新しいアイデアを組み立て、問題を解ける人になれるかを教えることだ。
国防高等研究計画局 - Wikipedia
国防高等研究計画局本庁舎（2022年） 国防高等研究計画局（こくぼうこうとうけんきゅうけいかくきょく、Defense Advanced Research Projects Agency）は、軍用技術の開発および研究を行うアメリカ国防総省の特別の機関である。日本語では防衛高等研究計画局、国防高等研究事業局などとも表記される。略称はダーパ（DARPA）。ARPAの時期にインターネットの原型であるARPANET・全地球測位システムのGPSを開発したことで知られている。 アメリカ国防総省・国防総省内部部局。大統領と国防長官の直轄の組織で、アメリカ軍から直接的な干渉は受けない[要出典]。構成人員は300人ほど。 DARPA長官の下には約150名の技術系職員がプロジェクトマネージャーとして各分野の研究をおこなっている。技術系職員は公募による民間人が大半であり軍人は少ない[要出典]。任期は4～6年。DA
Sony Japan｜技術情報 Sony's Technology｜コンテンツ推薦（おまかせ、リコメンド技術）
ソニーの推薦技術における特徴 表1に、ソニーにおいて現在商用化されている代表的製品やサービスをまとめた（2009年8月現在）。ユーザーの嗜好ベースの推薦（個人化推薦）と、嗜好に依存しない類似・関連検索（非個人化推薦）の視点で分類している。
実世界行動予測の展望と課題
人間の行動を予測することによって、ユーザの行動をタイムリーにサポートしたり、それによりトラブルや危険を事前に察知するという研究が進められている。「人間の行動を予測する」というと、かなり野心的な研究分野のようにも思えるが、シーンを限定していけば行動の選択肢も限られるので、必ずしも人間の自由意思による行動を予測する、というような困難さがあるわけではない。たとえば、身近なところでは、漢字変換や検索キーワードを入力する際の入力補完機能がある。検索エンジンでのキーワード入力の際に、組み合わせるべきキーワードを提示するインタフェースはすでに一般的になっている。携帯電話での漢字変換インタフェースは最もなじみがあるところだろう。すなわち、人間が次に何を入力するかを予測し、提示する機能である。入力補完機能は（時として鬱陶しいこともあるが…）大変便利な機能である。人間の行動予測というと、なにやら大それた構想の
netflix prize is over, 時間経過による嗜好性の変化 - DO++
米国のオンラインDVDレンタルサービス「Netflix」が、現在利用しているレコメンデーションシステムの性能をはじめに10%改善したチームに100万ドルの賞金を与えるという触れ込みで始まったnetflix prizeは当初の予想よりも時間がかかったが、つい最近最初からトップを走り続けていたbellkorと、上位陣のコラボレーションのチームが10%の壁を破った（leaderboard）。 彼らの手法は「非常に多くの様々な種類のレコメンデーションシステムの結果を混ぜ合わせる」という愚直だがいかにも精度が出そうだという方法を採用している（、と昨年度の結果からは思われる。近々詳細は出るだろう。） 実際に使ってとどめになったかどうかは分からないが、彼らのチームの主要メンバーがKDDで新しい手法を発表しており、単一の手法による最高精度を達成している。ちなみに今年のKDD（データマイニング系の学会の最高
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
サービス終了のお知らせ
Bibliography on algorithms for k shortest paths
Google Code Archive - Long-term storage for Google Code Project Hosting.
CiNii Research
はてなブログ | 無料ブログを作成しよう
NEC(Japan)
接吻に着目した触覚コミュニケーションデバイス #DigInfo
【CEATEC JAPAN 2009】 ドコモ、TPOに合わせて携帯メニューが自動で切り替わるアプリ
TokyoWebmining#8 協調フィルタリングにおける希薄問題の解決法 - Random walk
