タグ

関連タグで絞り込む (0)

  • 関連タグはありません

タグの絞り込みを解除

自然言語処理に関するtokadaのブックマーク (6)

  • TechCrunch | Startup and Technology News

    Every big social network and internet platform has been hyping new AI features, so it’s probably no surprise that LinkedIn is moving in that direction,…

    TechCrunch | Startup and Technology News
  • 自然言語処理の研究に悩む その2 - Reproc.pnz

    前置き 自然言語処理分野の博士課程の学生です。言語理解みたいなものが興味の対象です 自然言語処理の研究に悩む の続きのつもりです(あらすじ参照) まだ悩んでいる あらすじ 自分の研究的なトピックは「機械による読解 machine reading comprehension 」です。雑に言うと、言語理解のモデル化のひとつの手段として「国語の文章題が解けるようなシステムを作る」のがこのトピックの目標です。ここ2,3年でそれなりな流行を見せており、大規模(問いが数万個、の単位)なデータセットが数多く出てきて、それを解くようなニューラルなシステムがたくさん提案されています。中には人間の精度に匹敵する性能を出せたものもあります。 しかしこのような進展を見ても、システムに人間と同等の文章読解力があるとは到底思えない感じがします。システムを評価する側のデータセットが簡単そうに見える、というのが大きな理由

    自然言語処理の研究に悩む その2 - Reproc.pnz
  • 自然言語処理のAI開発のために学習データを提供 - 週刊アスキー

    Gengoは5月21日、「GengoAI」の提供開始を発表した。AI開発に必要な「ビッグデータの収集/ビッグデータの学習データ化」、AI精度を高めるために必要な「学習データの再編集」を提供する。 Twitterの投稿や音声データなど、言語に関連したビッグデータを独自に収集。ビッグデータをAIが取り込めるように、データひとつひとつに意味をもたせるためにラベリングする。対応できる分野は翻訳などのコンテンツ作成、商品分類などのコンテンツの分類/体系化、音声分析といったコンテンツの評価/分析。 AI開発後、すでに読み込んでいるデータだけでは処理できない情報が出てきた際、新規データをラベリングしてAIに取り込めるように再度学習データ化。人力(クラウドワーカー)で学習データの再編集を繰り返し、AIのアルゴリズム精度を高めていく「ヒューマン・イン・ザ・ループ型(人間参加型)」を採用した。

    自然言語処理のAI開発のために学習データを提供 - 週刊アスキー
  • ディープラーニングを用いた自然言語処理の今と、ビジネス面でのネガティブな事実

    2018年4月20日、Deep Learning Labが主催するイベント「音声・言語ナイト」が開催されました。Chainerを提供するPreferred Networksと、Azureクラウドを提供するMicrosoftによる、エンジニアコミュニティDeep Learning Lab。今回は、自然言語処理や合成音声など、音声・言語×深層学習(ディープラーニング)の最新事例や知見を発表しました。プレゼンテーション「深層学習時代の自然言語処理ビジネス」に登場したのは、株式会社Preferred Networksの海野裕也氏。ディープラーニングによる自然言語処理技術の最前線と、ビジネスへの転用可能性について語りました。 自然言語処理の活かし方 海野裕也氏(以下、海野):では、お話を始めさせていただきたいと思います。Preferred Networksの海野と申します。 今日は「自然言語処理の話

    ディープラーニングを用いた自然言語処理の今と、ビジネス面でのネガティブな事実
  • 最近の自然言語処理

    cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/

    最近の自然言語処理
  • 「深層学習と自然言語処理」オックスフォード大/DeepMind 講義まとめ(用語集付き)

    オックスフォード大の「深層学習と自然言語処理」(Oxford Deep NLP 2017 course)の講義メモです。 講義ビデオ、スライド、講義の詳細等については、講義の公式ページを参照してください。 目次 講義1a: 導入 (Phil Blunsom) 講義1b: 深層ニューラルネットは友だち (Wang Ling) 講義2a: 単語レベルの意味 (Ed Grefenstette) 講義2b: 実習の概要 (Chris Dyer) 講義3: 言語モデルとRNN パート1 (Phil Blunsom) 講義4: 言語モデルとRNN パート2 (Phil Blunsom) 講義5: テキスト分類 (Karl Moritz Hermann) 講義6: Nvidia の GPU を使った深層学習 (eremy Appleyard) 講義7: 条件付き言語モデリング (Chris Dyer)

    「深層学習と自然言語処理」オックスフォード大/DeepMind 講義まとめ(用語集付き)
  • 1