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
小学2年生の問題を解く電脳優子2年生・デモ
Search
自然言語処理研究室
March 31, 2005
Research
0
76
小学2年生の問題を解く電脳優子2年生・デモ
自然言語処理研究室
March 31, 2005
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
400
データサイエンス13_解析.pdf
jnlp
0
510
データサイエンス12_分類.pdf
jnlp
0
360
データサイエンス11_前処理.pdf
jnlp
0
490
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
150
自然言語処理研究室 研究概要(2013年)
jnlp
0
110
自然言語処理研究室 研究概要(2014年)
jnlp
0
140
自然言語処理研究室 研究概要(2015年)
jnlp
0
220
Other Decks in Research
See All in Research
空間音響処理における物理法則に基づく機械学習
skoyamalab
0
190
Earth AI: Unlocking Geospatial Insights with Foundation Models and Cross-Modal Reasoning
satai
3
490
HU Berlin: Industrial-Strength Natural Language Processing with spaCy and Prodigy
inesmontani
PRO
0
230
Remote sensing × Multi-modal meta survey
satai
4
710
HoliTracer:Holistic Vectorization of Geographic Objects from Large-Size Remote Sensing Imagery
satai
3
630
【NICOGRAPH2025】Photographic Conviviality: ボディペイント・ワークショップによる 同時的かつ共生的な写真体験
toremolo72
0
170
Sat2City:3D City Generation from A Single Satellite Image with Cascaded Latent Diffusion
satai
4
670
AI Agentの精度改善に見るML開発との共通点 / commonalities in accuracy improvements in agentic era
shimacos
5
1.3k
2026-01-30-MandSL-textbook-jp-cos-lod
yegusa
0
240
[IBIS 2025] 深層基盤モデルのための強化学習驚きから理論にもとづく納得へ
akifumi_wachi
19
9.6k
音声感情認識技術の進展と展望
nagase
0
470
SREのためのテレメトリー技術の探究 / Telemetry for SRE
yuukit
13
3k
Featured
See All Featured
Measuring & Analyzing Core Web Vitals
bluesmoon
9
760
How to optimise 3,500 product descriptions for ecommerce in one day using ChatGPT
katarinadahlin
PRO
0
3.4k
What the history of the web can teach us about the future of AI
inesmontani
PRO
1
440
How to Align SEO within the Product Triangle To Get Buy-In & Support - #RIMC
aleyda
1
1.4k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
49
9.9k
Avoiding the “Bad Training, Faster” Trap in the Age of AI
tmiket
0
79
Why Our Code Smells
bkeepers
PRO
340
58k
From Legacy to Launchpad: Building Startup-Ready Communities
dugsong
0
140
We Analyzed 250 Million AI Search Results: Here's What I Found
joshbly
1
750
How to audit for AI Accessibility on your Front & Back End
davetheseo
0
180
The AI Search Optimization Roadmap by Aleyda Solis
aleyda
1
5.2k
Lightning Talk: Beautiful Slides for Beginners
inesmontani
PRO
1
440
Transcript
খֶ2ੜͷΛղ͘ ి༏ࢠ2ੜɾσϞ ᜊ౻ਅ࣮ʢԬٕज़Պֶେֶʣ ԬాඒߐʢԬٕज़Պֶେֶʣ ؔࠜ૱ʢϥϯήʔδΫϥϑτɾχϡʔϤʔΫେֶʣ Ҫࠤݪۉʢಠཱߦ๏ਓใ௨৴ݚڀػߏʣ
֓ཁ খֶ2ੜͷࠃޠͷΛղ͘ϓϩάϥϜΛ ࡞ Λྨ͠ɺͦΕͧΕʹରԠͨ͠αϒγεςϜ ʢܭ47छྨʣΛ࡞ త
ࣗવݴޠॲཧٕज़ΛҰൠͷਓʹ͔Γ͍͢ Ԡ༻ͷܗͰ࣮ݱ͢Δ ରͷϨϕϧΛԼ͛ɺΛݟͭΊͳ͓͢ ˠ໌ͷޱ಄ൃදͰߟ
ࣈͷ ಡΈͷ ܗଶૉղੳ݁ՌΛར༻ ಡΈͷࣝΛͲ͔͜Β༻ҙ͢Δ͔ʁ ॻ͖ͷ
ࣈࣙॻ͔ΒީิΛर͍ɺίʔύεʢ৽ฉه ࣄ38ɺWEB350GBʣ͔ΒͬͱΒ͠ ͍ͷΛબͿ ॻ͖ॱɾ෦ͷΈ߹Θͤɾࣈͷྨ
ਖ਼ղྫ1ʢࣈʣ ྫ1ɽΓ ճΔɻ ˠ ·Θ ճͯΜɻ ˠ ͔͍ ྫ2ɽهΛ ॻʢ͔ʣ͘ɻ
ˠ ʹ͖ͬ ྫ3ɽڕʢ͏͓ʣࢢʢʣ ˠ ͍ͪ
ਖ਼ղྫ2ʢࣈʣ ྫ4ɽΛ ͳͭɻ Λͳͭ 18 Λͳͭ 0 ՈΛͳͭ 0 ྫ5ɽ࣍ͷ෦Λ࣋ͭࣈΛॻ͖ͳ͍͞ɻ
ʻ͞Μ͍ͣʼ ͖ंʹ ͷΔɻ੨͍ ͏Έɻ ˠ ؿ ւ
ෆਖ਼ղྫ1ʢࣈʣ ಡΈͷબϛεʢ3ʣ ྫ1ɽΏͼͷؒɻˠ͔Μ ྫ2ɽྗ͕ڧ͍ɻˠ͠ʢ͍ʣ ྫ3ɽಉ͡ɻˠ͓Μͳʢ͡ʣ ˢ͜Εਖ਼ղ͔ʁ
ෆਖ਼ղྫ2ʢࣈʣ ܗଶૉղੳϛεʢ1ʣ ྫ4ɽҰؒɻ Ұ/ؒʢ͍ͪ ;Μ͔Μ ʣ ࣈͷબϛεʢ1ʣ ྫ5ɽͳ͖͕͓
ˠ ղͳ͠
ෆਖ਼ղྫ3ʢࣈʣ ίʔύεதʹଘࡏͤͣʢ1ʣ ྫ6ɽ͓͡ʹ ߹͏ɻ 0 ͓͡ʹ ձ͏ɻ 0
ಉԻҟٛޠʢ1ʣ ྫ7ɽʮఋʯ͔ʮٛఋʯ͔ʁ
ݴ༿ͷ ࣙॻେنίʔύεʢ৽ฉهࣄ38 ɺWEB350GBʣʹΑͬͯ͋Δఔղ͚ Δ ͷछྨ͕͔ͳΓଟ͍ ରɾͳ͔·ɾΑ͏͢ɾॿࢺɾΧλΧφ
ͷߏ͕ҧ͏ͱຊདྷಉ͡ϓϩάϥϜ Ͱղ͚ΔͣͷʹରԠͰ͖ͳ͍ ྨΛࡉԽ͗͢͠ʁࠓޙͷ՝
ਖ਼ղྫ1ʢݴ༿ʣ ྫ6ɽ[ରͷݴ༿]ʵઢͷݴ༿ͱରͷҙຯͷ ݴ༿Λॻ͖ͳ͍͞ɻ ͕ͤ ߴ͍ɻ ˱ ͕ͤ ʢ͍ʣɻ ͶͩΜ͕ ߴ͍
˱ ͶͩΜ͕ ʢ͍҆ʣɻ ྫ7ɽ[ͳ͔·ͷݴ༿]ͳ͔·Λͻͱ·ͱΊʹͨ͠ ݴ༿ΛબΜͰॻ͖ͳ͍͞ɻ ʢ1ʣ അɾ͏͗͞ɾ͞Δɾ͖ΓΜ [ௗɾ͕͖ͬɾͲ͏Ϳͭ]
ਖ਼ղྫ2ʢݴ༿ʣ ྫ8ɽ[ॿࢺͷ] ͖͑˘ ͍ͨ ܑ˘ɺ ఋ˘ ݟ͚ͭͨɻ [ʹ/ͷ] [/] [Λ/Ͱ]
ྫ9ɽ[Α͏͢Λද͢ݴ༿]ʵઢͷݴ༿ͷ ͍ํ͕ਖ਼͍͠΄͏ʹɺ˓Λ͚ͭͳ͍͞ɻ ʢ˓ʣ͖ͼ͍͠ ͞Ή͞ʹ ͳΔɻ ʢ ʣ͖ͼ͍͠ ੜ͖ͷ͕ ͢Ήɻ
ෆਖ਼ղྫ̍ʢݴ༿ʣ ྫ8ɽ[ॿࢺͷ] ΓΜ͝˘ Έ͔Μ˘ ങ͏ɻ [Λ/ͱ/ʹ] [Λ/ͱ/ʹ] ग़ྗɿΛɾΛ ྫ9ɽ[Α͏͢Λද͢ݴ༿]ମͷ෦Ͱ͢Δ ಈ͖Λද͢ݴ༿ΛબΜͰॻ͖ͳ͍͞ɻ
[৯ΔɾݟΔɾͳ͕ΊΔɾ͢] ʢ1ʣ ʢ2ʣޱ
ෆਖ਼ղྫ2ʢݴ༿ʣ ྫ10ɽ[ΧλΧφ]࣍ͷͷΛʢ1ʣɺʢ2ʣʹ͚͔ͯͨ ͔ͳͰॻ͖ͳ͍͞ɻ બࢶɿΆͪΌΜɾͷ͏ͱɾ͕͕͞͞ɾͿΒ͠ ʢ1ʣͷͷԻ ʢ2ʣ֎ࠃ͔Βདྷͨ͜ͱ ྫ11ɽ[Α͏͢Λද͢ݴ༿]࣍ͷΑ͏͢Λද͢ݴ༿Λ []͔Βબͼͳ͍͞ɻ େ͖ͳͷ͕ Ώͬ͘Γ
͜Ζ͕Δ Α͏͢ɻ [͜Ζ͜Ζɾ͝Ζ͝ΖɾͷΖͷΖ] ग़ྗɿͷΖͷΖ ਖ਼ղɿ͝Ζ͝Ζ
ಡղ ͩΕɾ͍ͭɾͲ͜ɾԿɾͳͥɾͲΜͳɾ݀ຒΊ ͷछྨͰදతͳ5ͭͷख๏Λ͍͚Δ ʢaʣύλʔϯϚονϯάʢྫ12ʣ ʢbʣݻ༗දݱޙͷॿࢺͷछྨʢྫ12ʣ ʢcʣख͕͔ΓޠΛ༻͍ͨ෦Ϛονʢྫ10ɺ13ʣ ʢdʣίʔύεதͰͷසʢྫ11ʣ ʢeʣจதͷΩʔϫʔυͷར༻
ਖ਼ղྫ1ʢಡղʣ ྫ10ɽ[ͲΕ͘Β͍ʴܗ༰໊ࢺ]͔͑ͬͨ ͔ΓͷͻͳɺͲΕ͙Β͍ͷେ͖͞Ͱ͔͢ɻ ຊจʢҰ෦ʣɿ͔͔͑ͬͨΓͷͻͳɺࢠͲ ͷΏͼͷઌ͙Β͍ͷେ͖͞Ͱ͢ɻ ਖ਼ղɿࢠͲͷΏͼͷઌ͙Β͍
ਖ਼ղྫ2ʢಡղʣ ྫ11ɽ[ଓࢺ]ʮʙͨ͘͞Μͷ ͍͑Α͏Λ ͓ͬ͘ ͯ ͍ΔͷͰ͢ɻ ˘ɺՖɺ͔ͬ͢Γ ͔Εͯʙʯ બࢶɿΞɽ·ͣ Πɽ͕ͯ
ɽͦΕͱ ਖ਼ղɿΠ ྫ12ɽ[Ͳ͜]͓݄༷ɺͲ͔͜ΒإΛग़͠·͔ͨ͠ɻ ຊจʢҰ෦ʣɿࢁͷͯͬΜ͔Βɺ͓݄༷͕إΛग़ ͯ͠ɺʙ ਖ਼ղɿࢁͷͯͬΜ
ਖ਼ղྫ3ʢಡղʣ ྫ13ɽ[ͳͥɾͲ͏ͯ͠]εʔϗ͕ࢠഅΛͭΕͯ ͖ͨͷɺͲ͏ͯ͠Ͱ͔͢ɻ ຊจɿʮ΄͏͓͍ͬͯͨΒɺʹͳͬͯɺ͓͓͔Έ ʹ৯ΘΕͯ͠·͏͔͠Εͳ͍ɻͦΕͰɺͭΕͯ ͖ͨΜͩΑɻʯ ਖ਼ղɿ΄͏͓͍ͬͯͨΒɺʹͳͬͯɺ͓͓͔Έ ʹ৯ΘΕͯ͠·͏͔͠Εͳ͍͔Β
ෆਖ਼ղྫ1ʢಡղʣ ྫ12ɽ[݀ຒΊ]ࢠͩ͵͖Ͳ͏ͯ͠ʮ·͖Λͤ ͓ͬͯʯ͍ͨͷͰ͔͢ɻ ʢ̍ʣΛങ͏ʢ̎ʣͷΘΓʹ͢ΔͨΊɻ ຊจɿʮ͢·Μ͕ͨ͜ΛҰͭചͬͯ͘ΕΜ͔ͳɻ ͓͕ۚͳ͍ͷͰɺΘΓʹ·͖ΛूΊ͖ͯͨΜ ͚ͩͲɻʯ ग़ྗɿ ʢ̍ʣ͓͗͡ ʢ̎ʣͦ͠͏
ਖ਼ղɿ ʢ̍ʣͨ͜ ʢ̎ʣ͓ۚ
ෆਖ਼ղྫ2ʢಡղʣ ྫ13ɽ[ͳͥɾͲ͏ͯ͠]͏ΊͷՖ͕ɺͼͬ͘Γͨ͠ ͷɺͲ͏ͯ͠Ͱ͔͢ɻ ຊจʢҰ෦ʣɿʮ͋ΒΒɻࠓ͝Ζ·ͩɺΈΜͳ͍ͬ ͠ΐʹͶΉ͍ͬͯΔΜ͡Όͳ͔ͬͨͷɻʯ ग़ྗɿ΅͘ɺ͔ͬ͢Γय़ͩͱࢥͬͨͷ͔ͩΒ ਖ਼ղɿͯΜͱ͏ɺ·ͩͶΉ͍ͬͯΔ͔ͣͩΒɻ
ෆਖ਼ղྫ3ʢಡղʣ ྫ14ɽ[Կ]ΘͨໟʹɺԿ͕͍͍ͭͯ·͔͢ɻ ຊจɿͨΜΆΆɺ͜ͷΘͨໟʹ͍͍ͭͯΔͨͶΛɺ ;Θ;Θͱͱ͢ͷͰ͢ɻ ग़ྗɿͱ͖ ਖ਼ղɿͨͶ ྫ15ɽ[Ͳ͜]Ͳ͜ʹ͍ͬͨͱ͖ͷ͜ͱΛɺ࡞จʹ ॻ͍͍ͯ·͔͢ɻ ຊจɿޒ݄ʹɺ͔ͪͯͭʹͷͬͯɺ͖͠Ͷ͜͏͑Μ ʹ͍͖·ͨ͠ɻ
ग़ྗɿ͔ͪͯͭ ਖ਼ղɿ͖͠Ͷ͜͏͑Μ
ධՁ ܇࿅σʔλ ެจग़൛ͷʮֶྗνΣοΫςετ 2ੜࠃޠʯ ςετσʔλ ࣮ࡍʹγεςϜ͕ରԠ͍ͯ͠Δʢରͷ
ʣ ࡞ͨ͠γεςϜͰղ͚ͳ͍ͷؚΉશͯͷ ʢશମͷʣ γεςϜ͕ରͱͨ͠ͷׂ߹ ࣈ97.4%ɺݴ༿55.9%ɺಡղ64.7%
ධՁ݁Ռ શମͷ ରͷ ਖ਼ղ ਖ਼ղ ʢରʣ [%] ਖ਼ղ
ʢશମʣ [%] ܇࿅σʔλશ ମͷਖ਼ղ [%] ࣈ 76 74 69 93.2 90.8 89.3 ͜ͱ 245 140 117 83.6 47.8 71.5 ಡղ 34 21 10 47.6 29.4 63.8 શମ 355 235 196 83.4 55.2 80.3