Tibet's exiled spiritual leader, the Dalai Lama, has announced a long-awaited plan to devolve his political responsibilities to an elected figure. The Dalai Lama said he would begin the formal process of stepping down at a meeting of the Tibetan parliament-in-exile next Monday.

NLP2011, 本会議3日目終了（セッションE3:不自然言語処理　枠に収まらない言語表現の処理(1)、B4:対話・文脈処理、A5:教育応用） NLP2011、本会議3日目（一般講演セッション3つ）。 本会議最終日は、 E3:不自然言語処理　枠に収まらない言語表現の処理(1) B4:対話・文脈処理 A5:教育応用 に参加してきました。 夜は交流行事があるようなのですが、力つきて見送ってしまいました。明日もまだあるし。というか皆さんほんと体力ありますね（汗） 三日目にしてようやく「素性」の大切さというか、高精度を実現しようとすると苦労するポイントが似通ってくるんだなというのが分かってきました。それぐらい、多くの発表で出てくる話題。人間ってどうやって素性を捉えているんでしょうね。 目次 ・E3:不自然言語処理　枠に収まらない言語表現の処理(1) ・文頭固定法による効率的な回文生成 ・日本語常用

最初は言語学のセッション． 一件目は言語の系統を数理的に求めるという話．といっても，使っているデータは恐らく今の言葉なので系統，というよりは類型を求めている感じ．となると，時間軸を入れて三次元で考えられると本当に系統が求められるのではないかという気がするが，問題はそんな昔のテキストが手にはいるのか，ということか． 二件目は終助詞のCCGでの形式化．終助詞がなくても文として成立しているので，基本的にはカテゴリはS/Sになるけど，疑問文とかの場合はS/(S/S)になるとか．質問にもあったけど，「〜よね」はいけて「〜ねよ」はいけないという順番の問題にどう対応するかが問題か．「〜かしらね」の方が問題かも． 三件目は英語量化詞の強意用法の分析．極端な点数のレビューには強意表現が使われるだろうという仮説はなるほど，と思ったけどちょっと調査がざっくりとしている感じがした． 四件目は「名詞のような形容詞名

午前中は言語資源・コーパスのセッション． 一件目は英語学習者コーパスの話．そもそも学習者コーパスというのが数がなくて，それに誤り情報や品詞情報が付与された物はほとんどないらしい．ポイントは学習者なので書いたテキストに誤りを含んでいること．品詞のアノテーションに対して，スペルミスならまだもとの単語が分かるし，品詞の違いもないのだけれど，そうでないような誤りに対しては品詞がどうなのかは分からないことが多い． 二件目はLCS．何度か聞いている話で，何となく分かっているけど，やっぱりその枠組みでどこまで書けるのか，というのがきれいに見えない，つまりやってみないと分からない，というのが問題．例えば，アスペクチュアルな動詞，事態を項に取るような動詞に対しての記述とか．何となく，述語を項に取る，という高階論理みたいなアプローチがあるなあと思うけど，そうなると発散してしまいそうで．後は事態の成立をどこまで

NLP2011、本会議2日目（一般講演セッション1つ＋招待講演1つ＋特別講演1つ＋ポスターセッション1つ）。 目標だけでなくアプローチも手段も多岐にわたる話が多くて脳みそが崩壊しそう。ブログにまとめた分だけでも後でKJ法するだけでもかなりの知識が必要になりそうだ。まだ大会途中だけど、やっぱり参加して良かった。 ということで、以下、本会議2日目のメモです。 目次 ・B2: Twitterと言語処理 ・Wikipediaのカテゴリ階層を利用したTwitterユーザのカテゴライズ手法 ・マイクロブログの分析に基づくユーザの嗜好とタイミングを考慮した情報推薦手法の提案 ・Twitterからの個人の行動に起因するトラブル予測システムの試作 ・マイクロブログサービスの返信行動に着目した投稿及びユーザの分類 ・Twitterユーザの属性判別によるスポーツ映像の自動要約 ・Twitterにおけるつぶやきの

朝から晩まで神保町で某成果報告会に参加していた．明日・明後日は自分にも仕事があるので，聴講に専念できるのは今日だけ．質疑応答システム Watson/DeepQA に関する Keynote で人が1.5倍増になり，それが終わると人が漣のように引いていく，そういう一日だった．講演時間も短く，内容は一般向けの概要紹介*1．という感じだったが，それでも興味深かった．Jeopardy! で出される質問は基本的に factoid 型なので，質問文を適切に解釈をすることができれば答えの候補を列挙することは比較的容易で，人に匹敵する回答精度を達成するには（構文解析＋共参照解析による）質問文の柔軟な解釈と，多様な観点を考慮した回答候補のランキングが重要だったのこと*2．また質疑で，適切な回答を見つけてくる際には Wikipedia が知識源として必要不可欠だったという言及もあった．個人的には「構文解析の大切