子供の言語獲得と機械の言語獲得2016/03/17にPFIセミナーで話したスライドです。子供の言語獲得に関する非常に基本的な話と、関係しそうな機械学習の技術を紹介しました。素人なりのまとめなので、間違いなどご指摘いただけると助かります。Read less
Trends in Natural Language Processing at NeurIPS 2019.
方策の長期性能に対する�効率的なオフライン評価・学習 (Long-term Off-Policy Evaluation and Learning)
自然言語処理から開発手法まで！「GMOアドパートナーズ MEETUP #2」開催レポート
こんにちは！ GMOアドマーケティングの石丸です。 弊社では「GMOアドパートナーズ MEETUP」というイベントを定期的に開催しております。 今年から始まった企画なのでまだまだ小規模ではありますが、先日第二回のイベントを開催しました。 第一回のレポート記事はこちらです。 こんにちは！GMOアドマーケティングの石丸です。弊社ではエンジニアのアウトプットとして、このテックブログや社内ライトニングトーク大会などを企画/開催しておりますが、より社外へのアウトプットを盛り上げるために「GMOアドパートナーズ MEETUP」という社外向けのイベントを企画しました。今回はその第一回開催の様子を紹介します。 GMOアドパートナーズ MEETUPとは？「GMOアドパートナーズ MEETUP」は、GMOアドパートナーズ各社のエンジニアによるライトニングトークと、ピザやお寿司を食べながらお話できる懇親会で構成
「第一回SIL勉強会 自然言語処理編」を開催しました - Sansan Tech Blog
こんにちは、DSOC R&Dグループ研究員の奥田です。一番好きな京都のお土産は阿闍梨餅です。 先日「第一回SIL勉強会 自然言語処理編」という勉強会を京都で主催しましたので、その様子をご紹介致します。 SIL勉強会とは Sansanでは数年前から京都にオフィスを構えており、画像処理の研究員2名がフルリモートで働いております。昨年この京都オフィスを改装したことをきっかけに、京都での技術者を繋げてコミュニティを活性化していきたいという理念のもと、定期的に勉強会を開催していくことになりました。 勉強会のタイトルに付いているSILとは「Sansan Innovation Lab」の略で、京都の町家を改装して作られた弊社Sansanのオフィスのことです。会場としてそのオフィスの一角を使ったのですが、勉強会の会場が畳というのはなかなか珍しいのではないでしょうか？ ちなみにオフィスの表はこんな感じです。
Private Presentation
Private content!This content has been marked as private by the uploader.
NLP2017 NMT Tutorial「ゼロから始めるニューラルネットワーク機械翻訳」
2. 自己紹介 • 科学技術振興機構 研究員 – 日中・中日機械翻訳実用化プロジェクト （2013-2017年度） • NLP若手の会2017年委員長 http://yans.anlp.jp – 3/14 YANS懇@秋葉原 • チケットまだあります！ – 8/27-29 (予定) NLP若手の会 第12回シンポジウム@??? • スポンサー募集予定！ご検討ください！ • AMCダイヤモンド会員 2 3. 非常に参考になる資料など • そもそもディープラーニングって何？という方は – https://www.slideshare.net/yutakikuchi927/deep- learning-26647407 • 日本語いやだ！英語の資料がいい！という方は – https://sites.google.com/site/acl16nmt/ – https://arxiv.org/abs
不定期ML&NLP報#4 - yasuhisa's blog
最近の機械学習&自然言語処理に関する情報をまとめるコーナーです。前回はこちら。このエントリ忘れてるよというのがありましたら、たれこみフォームから教えてもらえるとうれしいです。 論文 ブログ/勉強会資料 ビジネス 学会/勉強会 NIPS読み会 Kaggle Tokyo Meetup #2 全脳アーキテクチャ若手の会 AAAI2017 その他 論文 [1701.07875] Wasserstein GAN GANを含む生成系のタスクは難しいことが知られているが、学習時に使う距離をWasserstein距離というものを使うと学習が安定したという話 ブログ/勉強会資料 論文メモ: Linguistic Benchmarks of Online News Article Quality - skozawa's blog オンラインニュースの質を測れるかを検討した論文のメモ Using Machine
深層リカレントニューラルネットワークを用いた日本語述語項構造解析
既存の日本語述語項構造解析では，形態素解析や構文解析を行い，それらの情報に基づいて各述語の項を予測していた．しかし，パイプライン処理に起因する誤り伝搬や，人手による素性設計コストの上昇などが問題点となっている．本研究では，深層リカレントニューラルネットワークを利用し，単語などの表層情報のみを用いて述語項構造解析を行う手法を提案する. また，複数の述語を同時に考慮して述語構造解析の精度を向上させるために，述語ごとのモデルをグリッド上に連結した深層リカレントグリッドモデルを提案する．NAIST テキストコーパスを用いた実験の結果，これまでに報告されている最先端の日本語述語項構造解析器の精度を上回ることを確認した．Read less
講義まとめ：自然言語処理のための深層学習（CS224d） - Qiita
CS224d(自然言語処理のための深層学習)はスタンフォード大のRichard Socherが2015年から教えている講義で、動画やスライドなどの講義資料と演習問題がウェブ上で無料で公開されています。 CS224d: Deep Learning for Natural Language Processing 会社の勉強会で週1回半年程度かけて講義動画と演習を終えたため、勉強したことを簡単にまとめてみたいと思います。 なぜ今なのか？ 深層学習（Deep Learning）は2000年代後半のRBMやauto-encoderなどの教師なし学習から流行が始まりましたが、それらを教師あり学習の事前学習に使うアプローチは徐々に衰退し、2010年代前半には画像認識のための畳み込みネットワークがImageNetコンテストのおかげで爆発的に有名になりました。詳しくありませんが音声認識の分野でも既存の複雑な
moco(beta)'s backup: PyConJP で janome の発表をしてきました
10/9 - 12 に開催された PyConJP 2015 で、「Python で作って学ぶ形態素解析」というタイトルで janome の発表をさせていただきました。 スタッフの皆様、聞きに来てくださった方々、ありがとうございました。 発表スライド 終わってから、スゴい緊張してたねーと色んな方に言われましたがｗ、良い経験になりました。内容は初歩的なもので、詳しい人には面白くないだろうなあと思いつつ、今まで言語処理に触れる機会がなかった方向けに、何か持ち帰ってもらえればいいなと思ってスライドを作りました。 Togetter まとめてもらえた。ありがとうございます！ 【すもも】Pure Python 実装 janome のアルゴリズムから学ぶ形態素解析入門 #PyConJP_C #pyconjp 発表して良かったこと このPRをくれた nakagami さんとお会いできた。 なんだか「神PR
夏の技術職インターンシップ講義資料公開 - クックパッド開発者ブログ
こんにちは！クックパッド編集室メディア開発グループ長の @yoshiori です。 このまえ夏の技術職インターンシップの前半の開発講義・課題部分が終わったのでさっそく公開しちゃいます！ ちなみにこのインターンの対象者はプログラミングはわかるし自分で（授業とかではなく）コード書いている人なので超初心者向けでは無く、少なくともひとつ以上の言語でプログラミングが出来る人向けです。 一日目 TDD + git 編（@yoshiori） 講義初日なのでまずは簡単に肩慣らし & 開発の基礎の部分として TDD と git で始めました。 git については軽く説明し TDD は基本のテストファーストで進めて行きました。 ちゃんと何かをするたびにテストを実行し、メッセージを見れば次にすることが分かるというのを体験してもらい、GREEN が良くて RED が悪いのではなく、GREEN を想定しているのに
オープンデータで実現する作文測定分析のシステム構成
ACM SIGMOD日本支部第56回支部大会でお話しした、ICDE 2014の参加報告についての資料です。以下のような6部構成になっています。全190ページです。 ・ICDE 2014を俯瞰してみる（5p～） ・ビッグデータ時代の新発想：もうデータは蓄えない（32p～） Keynote, Running with Scissors: Fast Queries on Just-in-Time Databases ・見えない相手と協調作業：センサネットワーク上のデータ集約（64p～） 10 Year Most Influential Paper, Approximate Aggregation Techniques for Sensor Databases ・メインメモリデータベースがハードウェアトランザクショナルメモリを使ったら…（96p～） Best Paper, Exploiting H
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
事前学習言語モデルの動向 / Survey of Pretrained Language Models
Python による日本語自然言語処理 〜系列ラベリングによる実世界テキスト分析〜 / PyCon JP 2019
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」![[旧版] JSAI2018 チュートリアル「"深層学習時代の" ゼロから始める自然言語処理」](https://cdn-ak-scissors.b.st-hatena.com/image/square/12caf50016f977ce9af0cfb1be243e077305b1e9/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fjsai2018tutorialslideshare-180606065226-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
TFUG#3 RettyにおけるDeep Learningの自然言語処理への応用事例 - Speaker Deck
最先端NLP勉強会�“Learning Language Games through Interaction”�Sida I. Wang, Percy Liang, Christopher D. Manning
自然言語処理ー古典的手法から言語モデルまでー 森山 直人
