これまで、AWS LambdaとAPI Gateway上でSPARQLエンドポイントを動かす試みをいくつか行ってきました。 今回は、Rust製のOxigraphを使って、AWSサーバレス上で動くプログラムを作ってみました。 ここでは、oxigraph-sparql-api-serverlessを紹介します。 SPARQLとは? SPARQLはRDF用のクエリ言語です。SPARQLクエリで検索できるエンドポイントは、DBpediaやWikidataなど、すでにさまざまなものが公開されています。 詳しくは以下を参照してください。 使い方 oxigraph-sparql-api-serverlessは、AWS Lambda関数部分をRustで実装しています。Dockerを使って Amazon Linux 2上でビルドし、AWS SAM CLIでAWSにデプロイします。 ビルド SPARQLエンド
AWSサーバレスでSPARQLエンドポイントの構築を試してみた第2弾です。 第1弾はこちらです。 AWSサーバレスでSPARQLエンドポイントを構築(Node.js+quadstore編) https://qiita.com/uedayou/items/bdf7a802e27fe330044e 前回は利用したライブラリの関係で検索速度に難があり限定した用途であれば使える、という感じでした。 今回はRDFストアとしては実績があるApache Jenaを使ってみました。 環境 AWS Lambda Amazon API Gateway 前回と同じくAWS Lambda+API Gatewayという構成です。 Apache Jena は jena-core jena-arq jena-tdb を使用しています。 TDBで使う方法以外にRDFファイルを直接使用することもできますが、以下の結果も踏ま
背景 質問応答システムとは、日本語や英語のような自然言語で表現された質問に対して、適切な回答をするシステムを指しています。たとえば、質問応答システムに対して「富士山の高さはどのくらいですか?」という質問をしたとしましょう。この場合、システムには「3776m」という回答を提示することが期待されます。 質問応答システムの研究の歴史は古く、1960年代まで遡ることができます。初期の質問応答システムでは、野球に関する質問だけに答えるような、特定の分野のみを対象としたシステムが研究されていました。現在では、幅広い分野の質問に回答可能なシステムを対象とした研究が多くを占めるようになっています。その中でも、IBMのWatsonは、Jeopardy!というクイズ番組で人間のチャンピオンを破ったことで脚光を浴びました。 質問応答システムがあれば、情報を効率的に探すことができます。一般的に、私たちが情報を探す
前回は、単語のカウントや分散表現を用いて文書の類似性評価をする手法を紹介しました。今回はチャットボット構築の必須技術である NLU (Natural Language Understanding=自然言語理解) について OSS の Rasa NLU を題材に、 NLU とは何か、Rasa NLU の使用方法と日本語で利用する際のポイント、日本語データセットでの実験結果を紹介します。 1. 始めに 本記事では OSS の Rasa NLU を題材に NLU(自然言語理解)、特に文書分類と固有表現抽出について説明します。Rasa NLU の使用方法と日本語で利用する際のポイントを解説し、日本語のデータで精度評価を行った結果を紹介します。今回も各手法の数学的な細かい説明などは省くので概念的な考え方を理解してもらえればと思います。 2. NLU (Natural Language Underst
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
処理を実行中です
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