Mark Steyvers – Research of Mark Steyvers
Department of Cognitive Sciences University of California, Irvine mark.steyvers@uci.edu Research Areas Learning & MemoryHow can we leverage large-scale data to analyze the learning trajectories across individuals and cognitive tasks? How do we develop computational models to explain what is learned when individuals improve a skill?Cognitive Skill Acquisition & TransferHow can we leverage large-sca
Re: CRFパラメータ学習について (mecab-users 95) - MeCab - OSDN
Taku Kudo taku****@chase***** 2006年 4月 29日 (土) 04:04:37 JST 前の記事 [mecab-users 94] Re: CRFパラメータ学習について 記事の並び順: [ 日付 ] [ スレッド ] [ 件名 ] [ 著者 ] 工藤です > > ipadic の場合38,000文(約38MB) の学習コーパスを学習するのに 2~3Gの > > メモリがいります。JUMANの辞書は、曖昧性がかなありあるので、 > > 同じぐらいのサイズの京都大学コーパスを使うのに、20GB ぐらい > > いります。 > > こちらのコーパスは70MBぐらいありました。メモリ20GBとなると、64bit > CPUじゃないと処理できないですね。 そうですね。ipadic はなんとかできるのですが、JUMAN の辞書は、 Opteron マシンで学習しています
なんか3(仮名): TinySVM で足し算のテスト
svm関係は日本語のドキュメントが少な杉。 わけのわからない数式とかはいっぱいあるけど。 どうやって遊べばいいの? 実態(いったい)。 と、はてなマークが点滅しまくります。 一応、こんな風にしたら遊べました。 もしかしたら、間違っているかもしれませんけど、闇の中で迷っているよりはマシかな。 ぱくりインスパイヤ先 SVMlight MySVM に関する Tips TinySVM: Support Vector MachinesのサイトのBinary package for MS-Windowsからバイナリをダウンロードします。 んで、解凍すると、bin というディレクトリの中にプログラムが入っています。 svm_learn.exe 学習プログラム svm_classify.exe 分類プログラム 学習データを用意します。 svm.learn.dat というファイルに以下をコピペしてください。
Structured Bayesian Nonparametric Models with Variational Inference ACL Tutorial Prague, Czech Republic June 24, 2007 Percy Liang and Dan Klein Probabilistic modeling of NLP • Document clustering • Topic modeling • Language modeling • Part-of-spe
Structured Bayesian Nonparametric Models with Variational Inference ACL Tutorial Prague, Czech Republic June 24, 2007 Percy Liang and Dan Klein Probabilistic modeling of NLP • Document clustering • Topic modeling • Language modeling • Part-of-speech induction • Parsing and grammar induction • Word segmentation • Word alignment • Document summarization • Coreference resolution • etc. Recent intere
Collapsed Gibbs
my biased thoughts on the fields of natural language processing (NLP), computational linguistics (CL) and related topics (machine learning, math, funding, etc.) (The contents of this post are largely due to a conversation with Percy Liang at ACL.) I'm a big fan of Gibbs sampling for Bayesian problems, just because it's so darn easy. The standard setup for Gibbs sampling over a space of variables a
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
MALLET homepage
MALLET is open source software [License]. For research use, please remember to cite MALLET. MALLET is a Java-based package for statistical natural language processing, document classification, clustering, topic modeling, information extraction, and other machine learning applications to text. MALLET includes sophisticated tools for document classification: efficient routines for converting text to
DO++ : 長ければいいわけではないのだが・・
Frustratingly Easy Domain Adaptation, Hal Daume III ACL 2007 to appear(pdf) はドメイン適用問題での現在の最高精度を、perlで10行ぐらい書いて入力データを変換させたら達成できたよという論文。Frustratingly（訳：ストレスのたまるほど） と書いたほど、簡単な方法。 俺も修論の発表で、成果の重要度を、高い順に並べたとき(C++の）ソース量で考えると10行、500行、1万行。そして、発表の流れ上、二つ目、三つ目の内容を捨てざるを終えなかった。その時の気持ち・・ --- 上の論文は名前が面白いだけじゃなく、内容も面白いので簡単な説明 ドメイン適用は実アプリケーションではよく問題になることで、学習器を作ろうとしたとき、ある分野（例えば新聞記事）に関する正解データは大量にあるけど、今から解こうとしている問題（例えば
1
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
Proceedings of the 45th Annual Meeting of the Association of Computational Linguistics
Multiclass learning as multitask learning
http://www.cis.upenn.edu/~crammer/code-index.html
http://people.csail.mit.edu/jrennie/20Newsgroups/
Meta-learning - Wikipedia
http://chasen.org/~taku/publications/nl157.pdf