タイトルの通りです．Wikipedia 本文を用いた埋め込みは 東北大乾研による日本語 Wikipedia エンティティベクトル BIZREACH によるHR領域向け単語ベクトル｜株式会社ビズリーチ 朝日新聞による朝日新聞単語ベクトル BERT with SentencePiece を日本語 Wikipedia で学習してモデルを公開しました – 原理的には可能 – データ分析界隈の人のブログ、もとい雑記帳 Out-of-the-box - 日本語Wikipediaで学習したdoc2vevモデル がありますが，リンク情報を用いた埋め込みは見かけなかったので公開します．このデータが誰かの何かの役に立てば幸いです． ダウンロードリンク 2 種類のファイルを用意しました． jawiki_n2v.txt.tar.gz : jawiki_n2v.txt.tar.gz は namespace ，ノード

テキサス州オースティンで企業のサーバー管理の仕事をしているクリスチャン・ハチェックさん(Christian Hascheck)が、彼の管理下で発生した興味深い事件について語っています。 サーバーに挿さった謎のデバイス 始まりは同僚から送られてきたという写真。「サーバに知らないラズパイがつながってる。調べてくれないか?」と。 普段リモートからサーバ管理しているハチェックさんは、同僚に指示してラズパイを切り離させ、SDカードに入っていたイメージを送らせました。 当初は社内の誰かの実験物かな、ぐらいに思っていたそうですが、サーバールームに入れるすべての人に訊いても知らないとの返事。USBソケットに刺さっていたドングルを巨大掲示板の reddit で晒したところ、WiFi/bluetooth モジュールだとわかります。 SDカードの中身を調べる Raspberry Pi のストレージであるSDカー

ABEJAでReseacherをしている白川です。 以前、Poincaré Embeddingsという双曲空間への埋め込み手法をご紹介しました。当時、木構造データを5次元の空間に精度良く埋め込めるということで話題になったのですが、その後双曲空間での機械学習手法が多数研究・提案され、双曲空間での機械学習についての理解をバージョンアップする必要があるなと感じたので、最近の研究の進展を中心に理論背景含めてご紹介したいと思います。 tech-blog.abeja.asia Tl;dr 本記事で伝えたいのは、論文の各論というより、各種論文で共通/独自に主張されている下記のような内容です。 木なら2次元で十分 双曲空間では指数写像/対数写像が明示的に計算され空間全体に拡張されるので取扱が容易 Gyrovector space: 双曲空間における線形代数のような代数構造 Riemann幾何とGyrove

セガゲームス第4事業部第4開発1部TA(テクニカルアーティスト)セクション*1 宮下です。2019年が始まって早１カ月がたとうとしてますが、あなたにとって2018年はどんな年でしたか？（少々時期外れな質問なのですが…） Readyyy! 私は2019年2月1日にリリースされたスマホタイトル「Readyyy!」に携わっており、とても忙しい1年でした。このタイトルは、プレイヤーが新人プロデューサー兼寮長として、男子高校生アイドル18人を育成するスマホゲームで、ゲームエンジンUnity*2を使って開発しています。 Readyyy! キービジュアル TAとして、3Dによるチビメンや「Live2D*3」の立ち絵をはじめとする「Readyyy!」の技術的なグラフィック表現の根幹を担っています。特に立ち絵については、ライティングという結構面白いことしているんですよ。 昼間、夕方、逆光などの環境によるライ

年明け以降もツイート数は増加　「筋肉痛」「しんどい」などの声も 「Fit Boxing」は、2本のJoy-Conを両手に握って遊ぶボクシング＋エクササイズゲーム。音楽に合わせてジャブやストレート、フックなどを繰り出し、次々指示されるトレーニングメニューをこなしていきます。インストラクター役の声優が、早見沙織さん、中村悠一さん、上坂すみれさん、小清水亜美さん、田中敦子さん、大塚明夫さん――と非常に豪華なことでも話題になっているようです。 「Fit Boxing」ゲーム画面 女性4人、男性2人から選べるインストラクター 発売されたのは12月20日。発売初週は2500本ほどのゆっくりとしたスタートでしたが、「楽しい」「声優が豪華」などネットで口コミが広がり、2週目、3週目も初週を上回るペースで販売。通常ゲームソフトは発売初週でほぼ売上が決まるとされており、2週目、3週目で売上が伸びるというのはか

7/30~8/4にかけてカナダのバンクーバーで自然言語処理の国際学会である「ACL2017」が開催されました。 その中で要約の文脈でキーフレーズ抽出のアルゴリズム「PositionRank」が発表されていたので、実装してarXivの論文からキーフレーズ抽出を行ってみました。 元の論文とGithubのリポジトリは以下になります。 PositionRank: An Unsupervised Approach to Keyphrase Extraction from Scholarly Documents ymym3412/position-rank PositionRankとは PositionRankは学術論文のタイトル(Title)と概要(Abstract)からキーフレーズを抽出するアルゴリズムです。 アルゴリズムはシンプルなので、学術論文以外にも適用が可能です。 また論文では英語の論文を

この度は株式会社ABEJA主催オンラインカンファレンス「SIX 2022 〜HIとAIの協調〜」ページにご来訪いただきましてありがとうございます。 ​ 「SIX 2022 〜HIとAIの協調〜」 は AI/DXに関する最新事例、活用方法をお届けするオンラインカンファレンスです。 ​ 私たちABEJAは、2018年2月「SIX 2018 〜革新的AIの連鎖がはじまる日〜」を主催、3,000名以上のお申込をいただきました。また、 翌年2019年3月「SIX 2019 〜技が共創し、藝があつまる〜」を主催、8000 名以上のお申込をいただきました。 その後、新型コロナウイルス感染症の影響で、リアルでの開催を見合わせておりましたが、 約3年間の成果をお伝えすべくオンラインカンファレンスとして 「SIX 2022 〜HIとAIの協調〜」を開催することを決定いたしました。 ​ 正直申し上げて、大規模な

日本語Wikipediaを対象にdoc2vec学習させたモデルを作成したので、学習済みモデルとして公開します。 概要 doc2vecは2014年にQuoc LeとTomas Mikolovによって発表された文章の埋め込みの手法です。今更doc2vecかという感じではありますが、日本語のdoc2vecの学習済みモデルは探した限り容易に利用できるものがなかったこともあり、せっかくなので作成したモデルを配布します。 word2vecのような単語の分散表現においては学習済みモデルとして配布されたものを利用することが多いですが、文章の埋め込みに関しては対象とするドキュメント集合やそのドメインに特化した学習モデルを作成することが多い印象です。なので、学習済みモデルファイルの配布自体にそれほど意味があるわけではなさそうですが、既存手法との比較に利用したり、とりあえず何かしらの手法で単語列から文章ベクトル

こんにちは。タイトルの通り、日本国際ビジネス機械株式会社(仮称)を1年10か月で退職しましたので、退職エントリーなるものを書いてみようと思います。 なお、本エントリー執筆に際し、ガシ (id:lksdsw)さんのエントリーを参考にさせていただきましたので、最初に御礼申し上げます。 正直に言うと、私が言いたいことは大体ガシさんが書かれていることなので、ガシさんのエントリーを読んだ方がいいと思います。(ぉぃ はじめに 誰? 会社でやってたこと 会社のよかったところ 退職する理由 次の職に望んだこと 転職先をどう見つけたか これからやること まとめ 余談 追記 はじめに 日本国際ビジネス機械と聞いてどこの会社のことを指しているかわからない方は、話の流れがわかりにくいと思うので、 ブラウザバックをお勧めします。 さて、この長ったらしい仮称をこれ以上連呼したくないので、以降日本国際ビジネス機械株式会