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
時制と態を考慮したサ変名詞の動詞化
Search
自然言語処理研究室
March 31, 2005
Research
72
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
時制と態を考慮したサ変名詞の動詞化
土田 雅之, 大橋 一輝, 山本 和英. 時制と態を考慮したサ変名詞の動詞化. 言語処理学会第11回年次大会, pp.209-212 (2005.3)
自然言語処理研究室
March 31, 2005
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
420
データサイエンス13_解析.pdf
jnlp
0
530
データサイエンス12_分類.pdf
jnlp
0
370
データサイエンス11_前処理.pdf
jnlp
0
500
Recurrent neural network based language model
jnlp
0
170
自然言語処理研究室 研究概要(2012年)
jnlp
0
160
自然言語処理研究室 研究概要(2013年)
jnlp
0
130
自然言語処理研究室 研究概要(2014年)
jnlp
0
150
自然言語処理研究室 研究概要(2015年)
jnlp
0
230
Other Decks in Research
See All in Research
CyberAgent AI Lab研修 / Social Implementation Anti-Patterns in AI Lab
chck
7
4.7k
AIで最適化を解けるか?
mickey_kubo
0
130
適応的スパムフィルタのための軽量な類似メッセージカウンタ / jsai2026-adaptive-spam-filter
monochromegane
0
4.1k
GLIM とMegaParticles:正規分布近似の限界とタイトカップリング&パーティクルフィルタの進展 / GLIM and MegaParticles : Progress of the distribution representation in SLAM
koide3
0
480
「なんとなく」の顧客理解から脱却する ──顧客の解像度を武器にするインサイトマネジメント
tajima_kaho
10
7.7k
老舗ものづくり企業でリサーチが変革を起こすまで - 三菱重工DXの実践
skydats
0
200
typst の使い方:言語学を研究する学生のために
gitomochang
0
480
Data Visualization Tools in the Age of AI
flekschas
0
170
事後確率分布の共分散について
koide3
0
170
RS-Agent: Automating Remote Sensing Tasks through Intelligent Agent
satai
3
350
Sleuthcon Keynote - How Cybercriminals (ab)use AI
fr0gger
0
240
JICA QUEST 共創×革新プログラム Impact Report(海ノ向こうコーヒー)
ontheslope
0
120
Featured
See All Featured
Become a Pro
speakerdeck
PRO
31
6k
Redefining SEO in the New Era of Traffic Generation
szymonslowik
1
350
How to Talk to Developers About Accessibility
jct
2
280
Measuring Dark Social's Impact On Conversion and Attribution
stephenakadiri
2
230
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.8k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
55
3.4k
Designing Powerful Visuals for Engaging Learning
tmiket
1
430
VelocityConf: Rendering Performance Case Studies
addyosmani
333
25k
Applied NLP in the Age of Generative AI
inesmontani
PRO
4
2.3k
The untapped power of vector embeddings
frankvandijk
2
1.8k
Java REST API Framework Comparison - PWX 2021
mraible
34
9.4k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3.5k
Transcript
੍࣌ͱଶΛߟྀͨ͠ αม໊ࢺͷಈࢺԽ ాխ೭ େڮҰً ࢁຊӳ Ԭٕज़Պֶେֶిؾܥ
త αม໊ࢺΛ੍࣌ͱଶΛߟྀͯ͠αมಈࢺ ʹݴ αม໊ࢺͷαมಈࢺԽʹ͏લͷॿ ࢺͷमਖ਼ ͞ΒͳΔݴ༁ʹཱ͍ͯͨ ྗͷ౼࡞ઓΛʙ
ˠྗΛ౼͢Δ࡞ઓΛʙ
ຊݚڀͰѻ͏ൣғ ʮ໊ࢺ̍+ॿࢺ+αม໊ࢺ+໊ࢺ̎ʯͷܗ Λѻ͏ ໊ࢺ̎αม໊ࢺɼඌࣙΛؚ·ͳ͍ ʮΞϝϦΧʯ+ʮͷʯ+ʮઌॅʯ+ʮຽʯ ʮࢢʯ+ʮʹʯ+ʮظʯ+ʮײʯ
ݴॲཧͷྲྀΕ ۚ༥ہ͕ೝՄͷஅج४ͱͯ͠ʙ αมಈࢺʴ໊ࢺʹݴ ۚ༥ہ͕ೝՄͷஅ͢Δج४ͱͯ͠ʙ ॿࢺΛݴ ۚ༥ہ͕ೝՄΛஅ͢Δج४ͱͯ͠ʙ
ݴͷͱղܾҊ αม໊ࢺͷಈࢺԽͰͷ੍࣌ͱଶ ॿࢺͷݴઌ ͲͪΒͷ౷ܭతख๏ͱͯ͠Google ͷর߹݅Λ༻͍ͯղܾ͢Δɽ ղܾํ๏ˠղܾʢ͢Δɼͨ͠ɼetcʣํ๏ Ψϯͷ࣏ྍࢪઃ
ˠΨϯʢ͕ɼΛɼetcʣ࣏ྍ͢Δࢪઃ
αม໊ࢺͷಈࢺԽʢ̍ʣ Googleʹͯʮαม໊ࢺʴॿಈࢺʴ໊ ࢺʯͰݕࡧΛ͔͚ɼর߹݅ʹΑͬͯ ҎԼͷ3छྨʹྨ͢Δɽ র߹͕݅શͯ30݅ҎԼ 1छྨͷর߹͕݅ଞͷ5ഒҎ্
্ه2ͭͷͲͪΒͰͳ͍ʢภΓ͕͋·Γ ݟΒΕͳ͍ʣ
αม໊ࢺͷಈࢺԽʢ̎ʣ র߹͕݅શͯ̏̌݅ҎԼͷ߹ ˠݴͰ͖ͳ͍ͱͯ͠ݴ͠ͳ͍ ʮݮ࢈+ʢॿಈࢺʣ+ظݶʯͷর߹݅ શͯ̏̌݅ҎԼͳͷͰݴ͠ͳ͍ɽ ͢Δ ͨ͠ ͞ΕΔ ͞Εͨ
͍ͯ͠Δ
αม໊ࢺͷಈࢺԽʢ̏ʣ 1छྨͷর߹͕݅ଞͷ5ഒҎ্ͷ߹ ˠর߹͕݅ଟ͍ॿಈࢺΛՃ͢Δɽ ʮఆ+ʢॿಈࢺʣ+ج४ʯͷর߹݅ ʮ͢Δʯ͕ଟ͍ͷͰʮఆ͢Δج४ʯͱݴ ͢Δ ͨ͠ ͞ΕΔ ͞Εͨ
͍ͯ͠Δ
αม໊ࢺͷಈࢺԽʢ̐ʣ ภΓ͕͋·ΓݟΒΕͳ͍߹ ˠॿಈࢺͷଶͷΈΛܾఆ͢Δɽ ʮൃੜ+ʢॿಈࢺʣ+ঢ়گʯͷ߹ ʮೳಈʯ͕ଟ͍ͷͰଶೳಈͱܾఆ ೳಈʢ͢Δɼͨ͠ʣ डಈʢ͞ΕΔɼ͞Εͨʣ 4
ॿࢺʮͷʯͷݴʢ̍ʣ αม໊ࢺʹՃ͢Δॿಈࢺ͕ܾఆͯ͠ ͍Δ߹ ʮ໊ࢺ̍+ॿࢺ+αมಈࢺ+໊ࢺ̎ʯͰর߹Λ ߦ͍র߹͕݅ଟ͍ͷΛ༻͢Δɽ શͯͷ߹Ͱর߹͕݅0݅ͷ߹ʹর߹ ݅Λ؇Ίͯর߹Λߦ͏ɽ
զʑʢ͕ɼͷɼʹɼΛʣੜ׆͢Δश׳
ॿࢺʮͷʯͷݴʢ̎ʣ αม໊ࢺʹՃ͢ΔॿಈࢺͷଶͷΈ͕ ܾఆ͞Εͨ߹ ॿࢺͷݴͷࡍʹҎԼͷΑ͏ʹর߹ʹ༻ ͢ΔॿಈࢺΛมߋ͠ɼଟ͔ͬͨॿಈࢺΛ ՃɼॿࢺΛݴ͢Δɽ ॿಈࢺͷଶ͕ೳಈ
ॿಈࢺͷଶ͕डಈ র߹ʹ༻͢Δॿಈࢺɿ͞ΕΔɼ͞Εͨ র߹ʹ༻͢Δॿಈࢺɿ͢Δɼͨ͠
ͦͷଞͷॿࢺͷݴʢ̍ʣ ʮ͕ɼʹɼɼͰɼʯͷ5छྨݴͷඞ ཁ͕ͳ͘ҙຯ͕อͨΕΔͷͰݴ͠ͳ͍ɽ ܴ͑ͨํ͕ൟ৩֬ߴ͘ͳΔɽ ˠܴ͑ͨํ͕ൟ৩͢Δ֬ߴ͘ͳΔɽ ήʔϜײ֮Ͱ࠾༻ใΛ͑ʙ ˠήʔϜײ֮Ͱ࠾༻͢ΔใΛ͑ʙ
ͦͷଞͷॿࢺͷݴʢ̎ʣ ʮ͔ΒͷɼͰͷɼ·Ͱͷɼͱͷɼͷʯͷ5 छྨʹ͍ͭͯʮॿࢺʴͷʯʹͳ͍ͬͯΔ ͷͰʮͷʯΛऔΓআ͘͜ͱͰݴͰ͖Δɽ ࢢຽͷࢹ͔Βͷิࢿྉ͚ʙ ˠࢢຽͷࢹ͔Βิ͢Δࢿྉ͚ʙ ࣗࣗެݖͱͷରܾ࢟Λ໌ʹʙ ˠࣗࣗެݖͱରܾ͢Δ࢟Λ໌ʹʙ
ݴ࣮ݧͱͦͷ݁Ռ ຖ৽ฉ23ສจͷ͏ͪʮ໊ࢺʴॿࢺʴ αม໊ࢺʴ໊ࢺʯͷܗΛؚΉ10608จΛ நग़͠ݴରͱͨ͠. ݴ͞Εͨ݁Ռͷ͏ͪແ࡞ҝʹ400จΛ நग़͠ਓखͰධՁ ݴͷਫ਼60.3%
ߟʢ̍ʣ ୯७ͳর߹݅Λ༻͍ͨݴͳͷͰর ߹͕݅؇͘ͳΔͱؒҧ͍͕ଟ͘ͳͬͨɽ ౷ܭతख๏ภΓ͕খ͍͞߹ʹ͋· ΓޮՌ্͕͕Βͳ͔ͬͨɽ ݴޡΓओʹॿࢺʮͷʯͷݴؒҧ͍ ͕ଟ͔ͬͨɽ
άϧʔϓͷ෦Λ୲͏ʙ ʷˠάϧʔϓʹͨ͠෦Λ୲͏ʙ
ߟʢ̎ʣ ॿࢺ໊ࢺͰจ͕ऴΘΔ߹ɼݴ͢ Δ͜ͱͰจ͕͓͔͘͠ͳͬͯ͠·ͬͨɽ ࠃຽౘͷڠྗඞཁʹɻ ʷˠࠃຽౘ͕ڠྗ͢Δඞཁʹɻ ˓ˠࠃຽౘͷڠྗ͕ඞཁʹɻ ˓ˠࠃຽౘ͕ڠྗ͢Δ͜ͱ͕ඞཁʹɻ
ߟʢ̏ʣ ॿࢺʮͷʯΛݴͨ͠ࡍʹݴ݁Ռ͕ ʮͷʯͷ··Ͱҙຯ௨Δ͕ผͷॿࢺ ͷํ͕Ұҙʹҙຯ͕ఆ·ΔͷͰྑ͍ ߹͕͋ͬͨɽ ରͷ׆ಈظؒ ˓ˠରͷ׆ಈ͢Δظؒ ˕ˠର͕׆ಈ͢Δظؒ
ࠓޙͷ՝ʢ̍ʣ αม໊ࢺ͕࿈ଓͯ͠ΘΕ͍ͯΔ߹ શͯͷαม໊ࢺΛݴ͢Δͱຊޠͱ ͓͔ͯ͘͠͠ͳͬͯ͠·͏ͷͰରࡦ͕ඞཁ ಢݝͷਗ਼୲ۀऀ ʷˠಢݝͷਗ਼͢Δ୲͢Δۀऀ ˓ˠಢݝͷਗ਼Λ୲͢Δۀऀ
ࠓޙͷ՝ʢ̎ʣ ໊ࢺ͕̎ෳͷ໊ࢺͰΓཱ͍ͬͯͯɼ ͔ͭ࠷ޙ͕ඌࣙͷ߹ʹݴՄೳ ͳͷ͋ͬͨ ຖ৽ฉࣾͷબߟҕһձ ˠຖ৽ฉࣾͷબߟ͢Δҕһձ
݁ ʮ໊ࢺ̍+ॿࢺ+αม໊ࢺ+໊ࢺ̎ʯ ͷܗͷจΛ ʮ໊ࢺ̍+ॿࢺ+αมಈࢺ+໊ࢺ̎ʯ ʹݴͨ͠ɽ ݴͷਫ਼60.3ˋ ݴର֎ͱͨ͠จͷதʹຊख๏ʹ
ଟগमਖ਼ΛՃ͑ΕݴͰ͖ͦ͏ͳͷ ͋ͬͨɽ