Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
話題の継続に着目した国会会議録要約
Search
自然言語処理研究室
March 31, 2007
Research
0
81
話題の継続に着目した国会会議録要約
川端 正法, 山本 和英. 話題の継続に着目した国会会議録要約. 言語処理学会第13回年次大会, pp.696-699 (2007.3)
自然言語処理研究室
March 31, 2007
Tweet
Share
More Decks by 自然言語処理研究室
See All by 自然言語処理研究室
データサイエンス14_システム.pdf
jnlp
0
380
データサイエンス13_解析.pdf
jnlp
0
480
データサイエンス12_分類.pdf
jnlp
0
340
データサイエンス11_前処理.pdf
jnlp
0
460
Recurrent neural network based language model
jnlp
0
140
自然言語処理研究室 研究概要(2012年)
jnlp
0
130
自然言語処理研究室 研究概要(2013年)
jnlp
0
97
自然言語処理研究室 研究概要(2014年)
jnlp
0
120
自然言語処理研究室 研究概要(2015年)
jnlp
0
190
Other Decks in Research
See All in Research
時系列データに対する解釈可能な 決定木クラスタリング
mickey_kubo
2
930
カスタマーサクセスの視点からAWS Summitの展示を考える~製品開発で活用できる勘所~
masakiokuda
2
190
cvpaper.challenge 10年の軌跡 / cvpaper.challenge a decade-long journey
gatheluck
3
310
Stealing LUKS Keys via TPM and UUID Spoofing in 10 Minutes - BSides 2025
anykeyshik
0
110
Adaptive Experimental Design for Efficient Average Treatment Effect Estimation and Treatment Choice
masakat0
0
160
Adaptive Experimental Design for Efficient Average Treatment Effect Estimation and Treatment Choice
masakat0
0
110
AIグラフィックデザインの進化:断片から統合(One Piece)へ / From Fragment to One Piece: A Survey on AI-Driven Graphic Design
shunk031
0
430
日本語新聞記事を用いた大規模言語モデルの暗記定量化 / LLMC2025
upura
0
180
Minimax and Bayes Optimal Best-arm Identification: Adaptive Experimental Design for Treatment Choice
masakat0
0
170
20250624_熊本経済同友会6月例会講演
trafficbrain
1
610
数理最適化と機械学習の融合
mickey_kubo
16
9.3k
Towards a More Efficient Reasoning LLM: AIMO2 Solution Summary and Introduction to Fast-Math Models
analokmaus
2
790
Featured
See All Featured
A designer walks into a library…
pauljervisheath
207
24k
The Art of Programming - Codeland 2020
erikaheidi
56
13k
Rebuilding a faster, lazier Slack
samanthasiow
83
9.2k
A better future with KSS
kneath
239
17k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Building an army of robots
kneath
306
46k
The Power of CSS Pseudo Elements
geoffreycrofte
77
6k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
46
7.6k
Fantastic passwords and where to find them - at NoRuKo
philnash
52
3.4k
Practical Orchestrator
shlominoach
190
11k
Fireside Chat
paigeccino
39
3.6k
Building Better People: How to give real-time feedback that sticks.
wjessup
368
19k
Transcript
ͷܧଓʹணͨ͠ ࠃձձٞཁ Ԭٕज़Պֶେֶ ిؾܥ ਖ਼๏ ࢁຊ ӳ
2 ͡Ίʹ ۙɺେྔͷจॻ͕ిࢠԽ͞Ε͍ͯΔ తͷจॻΛ୳͢ʹʁ ˠ ݕࡧʁ తͷจॻ͔Ͳ͏͔அ͢Δඞཁ͕͋Γɺ
ʙిࢠจॻͷछྨʙ ༰Λஅ͢ΔͨΊͷཁ͕ඞཁ! ٕज़จॻ Ϩϙʔτ จ ߨٛͷॻ͖ى͜͠ ձٞͳͲ
3 త จॻΛಡΉ͔Ͳ͏͔அ͢ΔͨΊͷࣗಈཁ ཁจࣈɿ̍̌̌̌ࣈҎʢཁɿ2%ʣ ରɿࠃձձٞ ʙࠃձձٞͷಛʙ ̴্̬̱ͰҰൠʹެ։͞Ε͓ͯΓೖख͕༰қ
ฏۉจࣈ͕5ສࣈͱ͍จॻ͕ଟ͍ ̍ͭͷձٞʹෳͷؚ͕·ΕΔ
4 ॲཧ֓ཁ lॿࢺʮͷʯͰଓ͞Εͨz ໊ࢺͷΛݪจ͔Β நग़ ͷख͕͔Γ நग़ɾείΞܭࢉ ݪจ ஈམީิͷநग़ ͷख͕͔Γ͕ܧଓ͢
ΔஈམΛ༻͍ͯٞͷ ಋೖ෦ͱ݁෦Λ நग़ ʢࠃձձٞʣ ཁจ ཁจͷੜ ಋೖஈམͱ݁ஈམͷ Έ߹ΘͤΛ͍͔ͭ͘ ग़ྗ͠ཁΛ࡞
5 ͷख͕͔Γ ॿࢺʮͷʯͰଓ͞Ε໊ͨࢺͷ ʮͷʯॴ༗Λݶఆ͢Δ ٞʹؔ͢Δ໊ࢺ͕ଟग़ݱ͢Δத͔ΒΛߜΓࠐΉ ݪจ͔Βͷख͕͔ΓΛશͯநग़
ܧଓஈམΛࢉग़͢Δ ྫʣ ΠϥΫ / ͷ / ࣏҆ / ঢ়گ N1 =ΠϥΫ N2 =ʨ࣏҆ , ঢ়گʩ
6 ܧଓஈམͷࢉग़ ΠϥΫͷ࣏҆ঢ়گʢ5ʣ จҊͷมߋ(4) ΠϥΫ , ࣏҆ ΠϥΫ , ঢ়گ
ΠϥΫ , ࣏҆ จҊ , มߋ 1 2 3 4 5 6 7 8 (0) (0) (2) (3) (0) (5) (0) (2) ಋೖஈམީิɿ1Ґ ݁ஈམީิɿ2Ґ ݁ஈམީิɿ1Ґ ݁ஈམީิɿ3Ґ ஈ མ ൪ ߸ Bn ɿޙ͖ܧଓஈམ ୈ6ஈམͷC=1 Fn ɿલ͖ܧଓஈམ Fn Bn
7 ಋೖɾ݁ஈམީิͷநग़ ಋೖஈམީิ Bn =0ͷͷख͕͔ΓͷΈΛରʹ Fn ΛঢॱʹॱҐ͚ͨ͠ͷΛީิͱ͢Δ ݁ஈམީิ
ಋೖஈམީิʹରͯͦ͠ΕͧΕநग़ ީิͷείΞC = Bn ʔ Fn C͕࠷ߴ͍ஈམΛग़ྗ
8 ཁจͷੜ ಋೖஈམͱ݁ஈམͷΛཁͱͯ͠ग़ྗ ஈམΛ୯Ґͱͯ͠நग़ ಋೖɾ݁ஈམͷΈ߹ΘͤΛཁͱ͢Δ͜ͱͰ ཁʹͷ·ͱ·ΓΛ࣋ͨͤΔ͜ͱ͕Ͱ͖Δɻ ಋ
࣍ʹɺਫ࢈ࢿݯͷల։Ͱ͋Γ·͢ɻ ݁ ྲྀ௨ͷޮԽɺՃۀͷࣄۀج൫ڧԽΛ௨͡ɺ ਫ࢈ۀͷߏվֵΛਐΊͯࢀΓ·͢ɻ
9 ධՁʢಋೖஈམީิʣ ࠃձձٞʹର͠ਓखͰਖ਼ղΛ࡞ ద߹ɿ22%ɺ࠶ݱɿ19% ձٞ*% จࣈ<ࣈ> ద߹ ࠶ݱ
ฏۉ
10 ධՁʢ݁ஈམީิʣ 1ҐͷΈͷਫ਼ɿ8% 3Ґ·Ͱͷਫ਼ɿ36% ձٞ*% ಋೖஈམީิ ҐͷΈͷਫ਼ Ґ·Ͱͷਫ਼
ฏۉ ˞ׅހਖ਼ղͨ͠ީิ
11 ಋೖஈམީิͷ ' O ͷᮢ ਖ਼ղ ෆਖ਼ղ ద߹ ࠶ݱ
12 ಋೖஈམީิͷߟ ಋೖஈམ50%ఔͷਫ਼͕ظͰ͖Δ ద߹ԼͷཁҼ ࣮ࡍʹ͕ܧଓ͍ͯ͠Δ͕ɺ໊ࢺͷ͕ڞى͠ ͳ͍ͨΊʹείΞ͕͘ͳΔɻ·ͨɺͦͷٯ͋Δ ଞͷख͕͔Γ͕ඞཁ
࠶ݱԼͷཁҼ Bn =0ͷΈΛରͱͨͨ͠Ί ࠷దͳBn ͷᮢΛܾఆ͢Δඞཁ͕͋Δ
13 ݁ஈམީิͷߟ ਫ਼͕8%ͱ͍ͨΊɺཁจʹਖ਼͍݁͠ஈམ ͕ग़ྗ͞Εͳ͍ ཁจʹਖ਼͍݁͠ஈམΛग़ྗ͢ΔͨΊʹਫ਼Λ ্ͤ͞Δඞཁ͕͋Δɻ ਫ਼ԼͷཁҼ ݁ஈམͷͷܧଓظؒதͷΈΛରͱͨͨ͠Ί
ಋೖஈམͱಉ༷ʹɺ݁ஈམͰ͋ͬͯͷख͕ ͔Γ͕ܧଓ͠ͳ͔ͬͨɻ நग़ํ๏ͷݕ౼ଞͷख͕͔Γ͕ඞཁ
14 ࠓޙͷ՝ ಋೖɾ݁ஈམީิͷਫ਼্ ॿࢺʮͷʯͰଓ͞Ε໊ͨࢺҎ֎ͷใ͕ඞཁ ಋೖɾ݁ஈམͷෆཁՕॴআ ஈམ୯ҐͰෆཁͳใ͕ଟ͍ ཁจࣈɿ653จࣈʙ899จࣈ ཁɿ0.989%ʙ2.52%
ධՁํ๏ͷݕ౼ ࠃձձٞͱ͍͏େྔͷσʔλΛੜ͔ͤͳ͔ͬͨ
15 ཁྫ ಋ) ࣍ʹɺྛͷ༗͢Δଟ໘తػೳͷൃشɺྛۀͷ࣋ଓ త͔݈ͭશͳൃలΛجຊͱ͢Δྛɾྛۀࡦͷల։ ʹ͍ͭͯͰ͋Γ·͢ɻ ݁) ฏेޒͷྛਫ࢈༧ࢉɺ৯ͷ҆શͱ҆৺ͷ ֬อɺۀͷߏվֵͷՃԽɺࢢͱࢁړଜͷڞ ੜɺରྲྀΛਪਐ͢ΔͱͱʹɺٿԹஆԽࢭʹࢿ͢
ΔྛඋͷਪਐΛத৺ͱͨ͠ྛɾྛۀࡦɺ҆શ Ͱ҆৺ͳਫ࢈ڙڅମ੍ͷඋͷਫ࢈ࡦΛల։ ͢Δͱͷ؍͔Βɺॏࢪࡦʹࢥ͍ͬͨ༧ࢉΛߦ ͏ͳͲɺ৽ͨͳࡦల։͕ਤΒΕΔΑ͏ฤ͍ͨ͠·ͨ͠ɻ