サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
パリ五輪
di-ver-si-ty.seesaa.net
英語の固有表現抽出はスタンフォード大の自然言語処理研究グループが公開しているソフトでできる。 CRF(conditional random field)を使った手法で、よい精度を出しているよう。 http://nlp.stanford.edu/software/CRF-NER.shtml から stanford-ner-2006-09-18.tar.gz をダウンロードする。 javaで動くソフトなのでjavaをインストールする必要がある。 javaのダウンロード http://java.sun.com/javase/downloads/index.jsp から Java Runtime Environment (JRE) のDownloadをクリックしてダウンロードする。 javaのインストール # bash jre-1_5_0_09-linux-i586-rpm.bin で自動的にja
2007年01月(1) 2006年11月(3) 2006年10月(5) 2006年09月(8) 2006年08月(6) 2006年07月(13) 2006年06月(10) 2006年05月(12) 2006年04月(11) 2006年03月(14) 2006年02月(5) 2006年01月(7) 2005年12月(6) 2005年11月(10) 2005年10月(14) 2005年09月(6) 2005年08月(7) 2005年04月(2) 2005年03月(5) 2005年02月(26) pythonで2つの日付の間の日数を数える方法 by (02/13) 英語で手紙 Best regards? Sincerely? by ケイトスペード kate spade (08/11) 情報可視化とビジュアルデータマイニング by 競泳用水着 (07/27) 情報可視化とビジュアルデータマイニング
最近、Webで情報可視化技術が使われているのを目にします。 例えば、 ・検索結果を可視化する「KartOO」 http://www.kartoo.com/ ・新書をテーマ毎に可視化する「新書マップ」 http://shinshomap.info/ ・アーティストの関連を可視化する「liveplasma music」 http://musicplasma.com/ などなど。 まだユーザに広く使われているとは言えない状況ですが、 現在よく使われている表示法である、リストや表では表現できない ことを表現することができます。 例えば、本を可視化することによって、 それらの本の内容の近さなどが直感的に分かります。 情報可視化について "Information Visualization and Visual Data Mining," Daniel A. Keim, IEEE Transactio
データXが与えられたとき、その確率変数xの分布P(x|X)を推定する問題を考える。・ベイズ推定 パラメータをΘとし、 P(x|X)=∫P(x,Θ|X)dΘ=∫P(x|Θ,X)P(Θ|X)dΘ=∫P(x|Θ)P(Θ|X)dΘ で推定する。パラメータも確率変数と考えている。 事後確率P(Θ|X)はベイズの定理より P(Θ|X)=P(Θ)P(X|Θ)/∫P(Θ)P(X|Θ)dΘ で得ることができる。 P(Θ)は事前確率、P(X|Θ)は尤度、∫P(Θ)P(X|Θ)dΘ=P(X)はエビデンスと呼ばれる。 ・MAP推定 ベイズ推定ではパラメータに関する積分が必要であり、計算が困難である。 そこで、パラメータ分布P(Θ|X)をモード(最頻値)以外は0であると近似すると、 P(x|X)=∫P(x|Θ)P(Θ|X)dΘ≒P(x|Θmap) となり、積分しなくてもすむ。ここで Θmap=argmaxP(Θ|X
このページを最初にブックマークしてみませんか?
『多様性から生まれるアイデア・・・』の新着エントリーを見る
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