タグ

2024年6月5日のブックマーク (7件)

  • 梶原智之@愛媛大学 - 感情分析

  • チェンナイ - Wikipedia

    チェンナイ(タミル語: சென்னை, タミル語発音: [t͡ɕenːaɪ̯]、英語: Chennai)は、南インドの東側コロマンデル海岸沿いの、ベンガル湾に面するタミル・ナードゥ州の州都。 概要[編集] インド有数の世界都市であり、人口は700万人。2018年の都市圏人口は約1330万人であり、同国第4位である。 1996年にマドラス(Madras)から正式に改名された。和名の麻打拉薩、孟打拉沙、馬搭喇はいずれもマドラスから来ている[1]。 「南インドの玄関口」「南アジアのデトロイト」「インドの健康首都」「インド銀行業の首都」の異名を持つ。 自動車産業、情報技術産業、ビジネス・プロセス・アウトソーシング業が盛んである。 地名の由来[編集] この地はもともと「チェンナイ」とは呼ばれておらず、その名は16世紀のある英雄の名前に由来する。 1565年以降、ヴィジャヤナガル王国がターリコータの戦

    チェンナイ - Wikipedia
  • トップ | 川崎汽船株式会社

    安全運航、環境保全、人材育成など、重要課題への主体的な取り組みを通じて、企業の持続的な成長と新たな価値の創造に取り組んで参ります。

    tk18
    tk18 2024/06/05
    "K"LINE
  • ラサ工業 - Wikipedia

    ラサ工業株式会社 (Rasa Industries, LTD) は、日の化学メーカー。 社名は、1907年(明治40年)にラサ島(沖大東島)で肥料の原料となるリン鉱石を採掘したことに由来する。リン鉱石の採掘が行われなくなった現在でも沖大東島全体がラサ工業の私有地となっている。化学肥料を軸に鉱山・非鉄金属製錬、石炭採掘、化学事業(硫酸・リン化合物製造)、鉱山・工業機械製造と有機的な複合事業を行っていた。ラサ島の他に、岩手県田老鉱山、宮崎県見立鉱山、熊県三陽鉱山、山形県田川炭鉱、北海道白糠炭鉱などを所有・経営していた。また、戦前には沖縄県の慶良間諸島屋嘉比島および久場島で慶良鉱山(銅)を、南沙諸島(スプラトリー諸島、当時は「新南群島」と呼称)で燐鉱採掘をおこなっていた他、鯛生金山を経営していた鯛生産業と合併した関係から大分県や鹿児島県(布計鉱山など)に金山を複数所有していた時期もあった。

    ラサ工業 - Wikipedia
    tk18
    tk18 2024/06/05
  • 中国の四字熟語とその由来・「淡泊明志」

    この言葉は、一番最初に、前漢の劉安が編纂した、「淮南子」に出ました。でも、一番有名なのは、三国志で有名な諸葛孔明が54歳の時に、まだ8歳の息子への手紙、「わが子を戒める書」に書いたことです。 原文は、"非淡泊无以明志,非宁静无以致远。"と言います。「私利私欲に溺れることなく淡泊でなければ、志を明らかにすることができない。落ち着いてゆったりした気持ちでないと、遠大な境地に達することができない」となっています。目先の利益や欲望、感情に左右されることなく、志を明らかにし、落ち着いて、来の成すべき事を地道に進めていくということです。 「中国国際放送局」より

    tk18
    tk18 2024/06/05
    淡泊以明志
  • 感情分析 - Wikipedia

    感情分析(かんじょうぶんせき、英: sentiment analysis)は、オピニオンマイニング(英: opinion mining)や感情AI(英: emotion AI)とも呼ばれ、自然言語処理、テキスト解析、計算言語学、バイオメトリクス (en:英語版) などを使用して、感情状態や主観的情報を体系的に識別、抽出、定量化、探究する技術である。感情分析は、マーケティングから顧客サービス、臨床医学に至るまで、さまざまな用途で、レビュー(英語版)やアンケート回答などの顧客の声、オンラインメディアやソーシャルメディアのコンテンツ、ヘルスケア情報などの分析に利用されている。RoBERTaのような深層言語モデルの登場により、たとえば記者が暗黙のうちに感情を表現することが多いニューステキストなど、より困難なデータ領域も分析できるようになった[1]。 例[編集] 感情分析の目的と課題は、いくつかの簡

  • 感情の出どころを探る、一歩進んだ感情解析

    1. The document discusses various statistical and neural network-based models for representing words and modeling semantics, including LSI, PLSI, LDA, word2vec, and neural network language models. 2. These models represent words based on their distributional properties and contexts using techniques like matrix factorization, probabilistic modeling, and neural networks to learn vector representatio

    感情の出どころを探る、一歩進んだ感情解析