KDD2018, AdKDD参加レポート - CARTA TECH BLOG
こんにちは@hagino3000です。インターネット広告配信システムの開発をしております。去年に引き続き今年も国際会議のKDDに参加してきました。本稿は私がアドテクと業務に関係する発表を聴講したレポートになります。 KDDとは KDD 2018 | London, United Kingdom KDDはデータマイニング分野のトップ会議です。採択論文はResearch Track PapersとApplied Data Science Track Papersに分かれており、後者は実際のアプリケーションに適用した題材が対象です。よって、アプリケーション開発現場で対面する問題をいかに解いたか、なぜその手法を利用したのかについて発表・議論される場であるのが特徴です。Facebook, Amazon, LinkedIn, Microsoft, Airbnb, Netflix, Alibaba, G
ICC | 特別展 OPEN STUDIO リサーチ・コンプレックス NTT R&D @ICC 「“感じる”インフラストラクチャー 共感と多様性の社会に向けて」
展示 , 企画展 特別展 OPEN STUDIO リサーチ・コンプレックス NTT R&D @ICC 「“感じる”インフラストラクチャー 共感と多様性の社会に向けて」 2018年10月13日（土）—11月18日（日） 現代は，情報通信技術の発展に伴い，場所や時間を選ばず，誰とでも交流できる世界が実現され，さまざまな利便性がもたらされてきました．しかし，人同士のコミュニケーションにおいては，個人ごとに身体的，認知的，文化的などさまざまな違いが存在するため，“完全に伝える”ことは困難です． 一方で，この「人それぞれの違い（＝個別性）」に着目し，“伝わらなさ”という視点を用いて伝えるという行為自体を考えることで，新たな情報通信技術について考えることができます．現在の技術では表現しきれない，各人の身体，認知の特性，感情の揺らぎといった，伝わらないものの中に現われる個人の本質はどのように伝えることが
Phrase-Based & Neural Unsupervised Machine Translation
Machine translation systems achieve near human-level performance on some languages, yet their effectiveness strongly relies on the availability of large amounts of parallel sentences, which hinders their applicability to the majority of language pairs. This work investigates how to learn to translate when having access to only large monolingual corpora in each language. We propose two model varian
RbCC-1 Samples | Center for Advanced Intelligence Project
Cookieについて/Privacy Overview 本ウェブサイトは、利便性、品質維持・向上を目的に、Cookieを使用しております。詳しくはプライバシーポリシーをご覧ください。 This website uses cookies for the purpose of maintaining and improving convenience and quality. For details, please see Privacy Policy. 設定/Settings同意する/Accept同意しない/Reject 本ウェブサイトでは、利便性向上を目的にCookieを使用しております。Webサイトの基本的な機能に不可欠なCookieは、ブラウザに保存されます。またウェブサイトへのアクセス状況を分析するため、サードパーティの必須ではないCookieも使用しています。必須ではないCooki
A Survey on Neural Network-Based Summarization Methods
Automatic text summarization, the automated process of shortening a text while reserving the main ideas of the document(s), is a critical research area in natural language processing. The aim of this literature review is to survey the recent work on neural-based models in automatic text summarization. We examine in detail ten state-of-the-art neural-based summarizers: five abstractive models and f
形態素解析ツールの比較 (NLP2018) - Qiita
NLP2018のワークショップに行ってきたのですが、そこで聞いてきたことのうち、形態素解析ツールに関することを大雑把にまとめておきます。聞いたことをまとめることが目的なので、詳細は各ツールのWebサイトやgithubページへ行ってください。 間違っている部分、追加したい内容があればコメントでお願いします。 追記: 2018/04/02 nlp2018の発表資料が公開されました。 Juman++ (リンク) MeCab (リンク) KyTea (リンク) Unidic (リンク) https://sites.google.com/view/nlp2018ws/ NLP2018 形態素解析の今とこれから 趣旨: どういう手法・ツールをどのようなタスクに対して使うべきかを選べるように、各ツールの開発者の発表を基に比較してもらうこと。 さまざまな発表がありましたが、形態素解析ツールに焦点を当ててま
Machine Learning Top 10 Articles for the Past Month (v.Mar 2018)
For the past month, we ranked nearly 1,400 Machine Learning articles to pick the Top 10 stories that can help advance your career (0.7% chance). Topics in this list: Tensor Comprehensions, Deepfakes, Neural Network, Deep reinforcement learning, Audio, DMLab-30, MR images, Lyric Analysis, IRL“Watch” Machine Learning Monthly Top 10 on Github and get email once a month.As an article ranking service f
形態素解析の今とこれから
[9:35-10:00] 「形態素解析システム JUMAN++ 」 河原大輔, Arseny Tolmachev (京都大学 大学院情報学研究科) [発表資料] 本発表では、形態素解析システムJUMAN++について紹介する。JUMAN++は、RNN言語モデルを利用することによって、単語の並びの意味的な自然さを考慮した解析を行う。また、基本辞書として、3万語程度についてさまざまな語彙情報・意味情報を人手で正確に整備した辞書をJUMANから継承して用いている。その範囲を超える語彙については、Wikipediaやウェブコーパスなどからの自動獲得した辞書を用いている。本発表では、JUMAN++の基本的な考え方から実装方法、また他の形態素解析シテムとの比較について説明する。 [10:00-10:25] 「汎用形態素解析システムMeCab」工藤拓 (グーグル合同会社) [発表資料] MeCabは研究、
Understanding Learning Rates and How It Improves Performance in Deep Learning
This post is an attempt to document my understanding on the following topic: What is the learning rate? What is it’s significance?How does one systematically arrive at a good learning rate?Why do we change the learning rate during training?How do we deal with learning rates when using pretrained model?Much of this post are based on the stuff written by past fast.ai fellows [1], [2], [5] and [3] .
形態素解析の今とこれから
[9:35-10:00] 「形態素解析システム JUMAN++ 」 河原大輔, Arseny Tolmachev (京都大学 大学院情報学研究科) [発表資料] 本発表では、形態素解析システムJUMAN++について紹介する。JUMAN++は、RNN言語モデルを利用することによって、単語の並びの意味的な自然さを考慮した解析を行う。また、基本辞書として、3万語程度についてさまざまな語彙情報・意味情報を人手で正確に整備した辞書をJUMANから継承して用いている。その範囲を超える語彙については、Wikipediaやウェブコーパスなどからの自動獲得した辞書を用いている。本発表では、JUMAN++の基本的な考え方から実装方法、また他の形態素解析シテムとの比較について説明する。 [10:00-10:25] 「汎用形態素解析システムMeCab」工藤拓 (グーグル合同会社) [発表資料] MeCabは研究、
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
ナレッジグラフ推論チャレンジ
Deep Learning基礎講座演習コンテンツ 公開ページ