Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
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
75
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
430
データサイエンス13_解析.pdf
jnlp
0
550
データサイエンス12_分類.pdf
jnlp
0
390
データサイエンス11_前処理.pdf
jnlp
0
510
Recurrent neural network based language model
jnlp
0
200
自然言語処理研究室 研究概要(2012年)
jnlp
0
180
自然言語処理研究室 研究概要(2013年)
jnlp
0
140
自然言語処理研究室 研究概要(2014年)
jnlp
0
160
自然言語処理研究室 研究概要(2015年)
jnlp
0
250
Other Decks in Research
See All in Research
Vector Map as Language: Toward Unified Remote Sensing Vector Mapping
satai
3
350
Du suivi individuel à la sélection animale : comment Digi4Live valorise les données des technologies numériques en élevage
institutdelelevage
PRO
0
110
Evaluating LLM Reliability Across Facts, Evidence, and Cultures
yukiar
0
230
実例から見るLLMのマンガ理解:実務VQAタスクによる長期的文脈と視覚情報の定性評価
kzmssk
0
210
HAKARI-Bench - 実運用視点での情報検索モデル評価ベンチマーク
hotchpotch
1
850
2025年度秋葉原ウォーカブルプロジェクト調査報告 「アキバらしいウォーカブル」とは何か
izumiyama_lab
1
280
山中市政が招いた組織崩壊:よこはま安心ボックスを例に
sishi
0
370
Kaggle|AI Agent Security — しくじり先生、俺みたいになるな
pomcho555
1
130
TESSERA: Temporal Embeddings of Surface Spectra for Earth Representation and Analysis
satai
3
130
オンライン凸最適化の基礎とゲーム理論への応用 (IBIS 2026 チュートリアル)
taira_tsuchiya
2
1.3k
[UAI2026, Tutorial Talk] Tensor Networks for Density Estimation: The merits of low-rank structures, tractable inference, and uncertainty quantification
gkazunii
0
110
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
1k
Featured
See All Featured
A designer walks into a library…
pauljervisheath
211
25k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
12
1.4k
Unsuck your backbone
ammeep
672
58k
How to Get Subject Matter Experts Bought In and Actively Contributing to SEO & PR Initiatives.
livdayseo
0
240
Google's AI Overviews - The New Search
badams
0
1.7k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
35
2.9k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
203
77k
DevOps and Value Stream Thinking: Enabling flow, efficiency and business value
helenjbeal
2
430
GraphQLの誤解/rethinking-graphql
sonatard
75
12k
Product Roadmaps are Hard
iamctodd
55
13k
The Spectacular Lies of Maps
axbom
PRO
1
1.1k
The Mindset for Success: Future Career Progression
greggifford
PRO
0
560
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