mamorukのブックマーク - はてなブックマーク

今年の研究振り返り - Preferred Networks Research & Development

吉田です。弊社では主に研究開発に携わっていますが、最近は顧問的なポジションになっている気がします。普段は国立情報学研究所 (NII)という所で研究していて、よく論文を国際会議に投稿するということをします。先日、CIKMという会議の結果が帰ってきて、今年開催される国際会議の結果が全て出そろったので、思い出話をしてみたいと思います。紹介する論文の順番は、各会議が開催された(る)順です。所々、専門用語を説明なしに使っていますがご容赦ください。 Yoichi Iwata and Yuichi Yoshida, Exact and Approximation Algorithms for the Constraint Satisfaction Probl em over the Point Algebra. (STACS’13) 初めて東大の岩田君と書いた論文です。岩田君は弊社でインターンや

mamoruk 2013/07/17

久しぶりにとてもいいエントリを読みました！こんな論文たくさん書いてすごい。自分もがんばろう！！！

研究

リンク

最速の疎ベクトルはどれだ - Preferred Networks Research & Development

海野です。自然言語処理などで機械学習を行おうとすると、非常に疎なベクトル表現を使いたくなります。疎、というのはほとんどの要素が0である、という意味です。前々から疎ベクトルライブラリのパフォーマンスに関して気になっていたので、幾つか調べてみました。 Jubatus Workshopでも話したとおり、機械学習を適用しようとすると、普通は対象のデータをベクトル表現に落とします。特に言語データの場合は、それぞれの単語や文字などを特徴次元とするため、非常に疎なベクトルとなってしまいます。純粋な配列（C++で言えばstd::vector）を使ってしまうと、大量にメモリを食ってしまうため疎ベクトル専用の表現を使うのが普通です。今日は様々な疎ベクトルライブラリのパフォーマンス比較を行おうと思います。比較したライブラリは以下のとおり。真の意味で、疎ベクトルのライブラリは、Eigenとublasだけで、残

mamoruk 2011/11/22

こういう比較は参考になりますね〜いや、結論はおいといて

リンク

単語と文字の話 - Preferred Networks Research & Development

4月からPFIで働いてます。海野です。今日は単語の話をします。読み物的な話なので軽く読んでください。テキストデータなどの自然文を機械処理するときには、まず最初に単語に分割するということをよく行います。一般的にはMeCabやChasenといった形態素解析エンジンに投げて行います。形態素と単語の区別という話もあるのですが、ここでは大雑把に「連続した文字列の単位」くらいの意味で話します。検索という文脈ですと形態素インデックスという言葉がありますが、これは検索の最小単位を文字単位ではなくて形態素の単位にするということです。例えば「東京都」は「東京」「都」に分かれるため、「京都」というクエリに対して見つかるのを防ぐなど、精度を上げる効果があります。反面、深刻な検索漏れを引き起こす可能性があるため嫌われることが多いです。こうした漏れは検索に限らず、テキストマイニングなどの文脈でも問題となることが

mamoruk 2011/05/29

こんな論文あったのですね〜 id:emikoy さんが NAIST にいらしたとき、単語の内部構造の係り受けを求めるのに似たような手法を使っていたと思います。