サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
衆院選
luululu.com
∗1 ∗1 ∗2 ∗2 ∗2 ∗1 ∗2 {s072052, murata}@ike.tottori-u.ac.jp {yasudasac, mai.miyabe, eiji.aramaki}@gmail.com 1 [1] 2010 167,326 5 18 () (Sound symbolism) [2][3][4][5][6] Ramachandran and Hubbard[7] (synaesthesia) 95% Maurer [8] Kiki /kiki/ Kiki () () 1. 2. 2 : 2.1 2 100 1 3 2 300 2.2 8 言語処理学会 第 回年次大会 発表論文集 年 月 ￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣ Copyright(C) 2012 The Association for
e-mail: aramaki@hcc.h.u-tokyo.ac.jp 〒113-8655, 東京都文京区本郷7-3-1, 東京大学工学部旧2号館2階205号（セミナー室2） 東京大学 知の構造化センター 荒牧英治 03-5841-0891 (内線: 20891) 研究分野:自然言語処理(機械翻訳), 医療情報学(医療テキスト解析) 所属学会: 言語処理学会，認知科学会，情報処理学会，医療情報学会，日本物理学会，ACL 学位論文: "Formalization and Realization of Example-based Machine Translation", 東京大学 情報理工学系研究科, 2005. 論文| レターズ| 国際会議| 国内発表| 総説| 受賞| 社会活動| メディア| 共同研究| 特許| 外部獲得資金| 招待講演| 展示| 略歴| 趣味 論文／ジャーナル
情報処理学会研究報告 IPSJ SIG Technical Report 1 ⓒ2009 Information Processing Society of Japan Twitter Catches the Flu: 事実性判定を用いた インフルエンザ流行予測 荒牧英治† 増川佐知子† 森田瑞樹†† 近年の Twitter の普及とともに， そこから有益な情報を抽出する研究の需要が高ま っている．本研究ではインフルエンザ流行予測の問題に焦点をあてる．まず， Twitter からインフルエンザに関連した発言を抽出する．次に，SVM を用いた分 類器で，その発言者が実際にインフルエンザにかかっているかどうかを判定す る．実験では，厚労省報告の症例数と比較し相関係数 0.89 の精度で流行予測する ことができ，提案手法の有効性を示した．特に，流行の開始時期においては，相 関係数は 0.97 と
東京大学 医療言語処理グループ medical natural language processing group SITE MOVED new URL http://mednlp.jp Copyright (c) 2008 Sitename.com. All rights reserved. Design by Free CSS Templates.
【背景】 平成13年度に政府が発表した「保健医療分野の情報化にむけてのグランドデザイン」において， 電子カルテシステムの普及が課題の一つとして掲げられて以降， 我が国では急速に電子カルテが普及し，その結果，大量の臨床データが電子化された状態でストックされつつあります． このデータをフル利用できれば，過去に類をみない大規模な統計的な臨床研究が実現可能になり， 大きな期待がよせられています． しかし，カルテ中の一部の情報は自然言語で記述され，カルテデータをフルに利用するためには， 自然言語処理技術が必須となります． 【目的】 このような背景から，本プロジェクトではカルテ文章から 臨床情報を抽出/可視化する手法を研究／開発しています． 大量のカルテに含まれる情報を構造化することで， 新たな医療知識の発見、また臨床の現場での活用につながることが期待できます． 【技術】 開発された技術により
Eiji ARAMAKI, Ph.D. Professor, NAIST, Japan B.S. Kyoto University, 2000. Ph.D. University of Tokyo, 2005. 荒牧英治 奈良先端科学技術大学院大学・ 先端科学技術研究科・ ソーシャル・コンピューティング研究室・教授 CREST「バイオDX」研究代表者 2000: 京都大学・総合人間学部・卒業． 2005: 東京大学大学院・情報理工学系研究科・修了；博士（情報理工学） natural language processing for medical medical applications of social media see ▶︎[RESEARCH page] (English). 電子カルテテキストの解析，医療コミュニケーション解析，ソーシャルメディアの医療応用など． 多くを学べる機会を
あたらしいことば（≒未知語）の多くはカタカナ語です 上のグラフはRANK（使用頻度）ごとに その語が 既知であるか（辞書やwikipediaに収載されているか）か 未知であるかを示したものです 既知: 一般辞書 --- EDICTに収載されている語 (http://www.csse.monash.edu.au/~jwb/j_edict.html) 既知: 固有名詞辞書 --- ENAMED-DICTに収載されている語 (http://www.csse.monash.edu.au/~jwb/j_edict.html) 既知: WIKIPEDIA --- Wikipediaに収載されている語(2007年) 未知: 数字／アルファベット --- 数字，アルファベットやアルファベット (例)2007, U-TOKYO 未知: カタカナ --- カタカナ語列 未知: それ以外 --- 上記以外 赤い
表記ゆれ それとも 別の語？ 同じ概念をさす複数の表記があります 例えば「スパゲティ」「スパゲッティ」や「バイオリン」「ヴァイオリン」などです この現象は表記ゆれと呼ばれています さて 表記がゆれた場合 どっちが正しいのでしょう？ それを決めることは難しいですが ある２語が 表記ゆれの関係にあるか どうか を判定することは機械でもできます ありそうな表記ゆれをつくる 表記ゆれの多くは英語など外国語をカタカナ語として輸入する際におこります これを利用して カタカナ語を英語に翻訳し もう一度カタカナ語に翻訳しなおすことで ありそうな表記ゆれを生成することができます 「マイケル」が ときどき「ミッチェル」になったり 英語を経由することで 「らしい」 表記ゆれがえられます 多言語翻字 上記システムのもとになっているのは翻訳（正確には翻字）技術です 英語を７ヶ国語に翻訳が可能です なんの役にたつの？
このページを最初にブックマークしてみませんか？
『LUULULU | Eiji ARAMAKI, Ph.D.』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
