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
小学生の読解支援に向けた語釈文による換言
Search
自然言語処理研究室
September 30, 2012
Research
110
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
小学生の読解支援に向けた語釈文による換言
梶原智之, 山本 和英. 小学生の読解支援に向けた語釈文による換言. NLP若手の会 第7回シンポジウム, (発表1) (2012.9)
自然言語処理研究室
September 30, 2012
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
Research Engineerという仕事 / Research Engineering: Bridging Research and Business
chck
1
230
「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
11
8.7k
(SIGQS17) Frasco-VS:フラグメントに基づく薬剤候補化合物選抜の量子アニーリングによる実現
keisukeyanagisawa
PRO
0
160
Sequences of Logits Reveal the Low Rank Structure of Language Models
sansantech
PRO
1
280
言語モデルから言語について語る際に押さえておきたいこと
eumesy
PRO
6
2.5k
AIエージェント時代のLLM-jpモデルのあるべき姿
k141303
0
500
コーディングエージェントとABNを再考
hf149
2
760
kintone リサーチ副部/UXリサーチャー 業務紹介
cybozuinsideout
PRO
0
110
重要だけど測れていないもの:高齢者ケアの見えない課題
theoriatec2024
0
400
ScoreMatchingRiesz for Automatic Debiased Machine Learning and Policy Path Estimation with an Application to Japanese Monetary Policy Evaluation
masakat0
0
300
Spatial Active Noise Control Based onSound Field Interpolation Incorporating Physical Constraints
skoyamalab
0
120
RS-Agent: Automating Remote Sensing Tasks through Intelligent Agent
satai
3
370
Featured
See All Featured
Discover your Explorer Soul
emna__ayadi
2
1.2k
Are puppies a ranking factor?
jonoalderson
1
3.7k
Designing for humans not robots
tammielis
254
26k
Joys of Absence: A Defence of Solitary Play
codingconduct
1
410
The SEO identity crisis: Don't let AI make you average
varn
0
510
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
46
2.9k
A designer walks into a library…
pauljervisheath
211
24k
Building Experiences: Design Systems, User Experience, and Full Site Editing
marktimemedia
0
550
Writing Fast Ruby
sferik
630
63k
Pawsitive SEO: Lessons from My Dog (and Many Mistakes) on Thriving as a Consultant in the Age of AI
davidcarrasco
0
180
SEO for Brand Visibility & Recognition
aleyda
0
4.6k
Public Speaking Without Barfing On Your Shoes - THAT 2023
reverentgeek
1
460
Transcript
খֶੜͷಡղࢧԉʹ͚ͨ ޠऍจʹΑΔݴ ֿݪஐ೭ɹࢁຊӳ ʢԬٕज़Պֶେֶʣ
ʲΩʔϫʔυʳݴ ੍ݶݴޠ ςΩετ؆୯Խ จষಡղࢧԉ ݚڀ֓ཁ ֶशجຊޠኮ ޠ ࢠͲ͚৽ฉ
Ұൠ͚৽ฉ খֶࠃޠࣙయ ؒ૯ޠኮ ສޠ ʲ࡞෩ʳ ɹͦͷ࡞ऀͷಛ ҟͳΔ࡞෩Ͱਓؾ ҟͳΔಛͰਓؾ ʢ࡞෩ˠಛʣ
ݚڀͷഎܠ • શࠃͷখֶߍͳͲͰ৽ฉΛ༻͍ͨतۀ – ৽ฉͷ༰Λཁͯ͠·ͱΊΔ – ৽ฉͷ༰Λͱʹ౼͢Δ • ৽ฉʹখֶੜʹͱ͍ͬͯ͠ޠ͕ଟ͍ •
ࢠͲ͚৽ฉߋ৽͕গͳ͍ ͔͠͠
ֶशجຊޠኮʹͳΔ·Ͱ܁Γฦ͠ খֶੜͷͨΊͷจষಡղࢧԉ తͱఏҊख๏ w ֶशجຊޠኮʹجͮ͘ޠኮ੍ݶ ̍
w ޠऍจʹΑΔݴɾऍ͚ ̎
• ݟग़͠ޠͱࢺ͕Ұக͢ΔޠΛޠऍจ͔Βநग़ ɹɹɹೖྗྫɿҟͳΔ࡞෩Ͱਓؾ ɹɹݟग़͠ޠɿ࡞෩ ɹɹɹޠऍจɿͦͷ࡞ऀͷಛ ɹɹɹݴରɿʢ࡞෩ ಛʣ
ɹɹɹग़ྗྫɿҟͳΔಛͰਓؾ ޠऍจʹΑΔݴ
• αม໊ࢺͷޠऍจ͔ΒݴରΛநग़ ɹɹɹೖྗྫɿਓ͕ෛইͨ͠ ɹɹݟग़͠ޠɿෛই ɹɹɹޠऍจɿ͚͕Λ͢Δ͜ͱ ɹɹɹݴରɿʢෛই͢Δ ͚͕Λ͢Δʣ
ɹɹɹग़ྗྫɿਓ͕͚͕Λͨ͠ ޠऍจʹΑΔݴ
• ಉදݱΛҰޠͰநग़Ͱ͖ͳ͍ͱ͖ऍ͚ ɹɹɹೖྗྫɿֶॴͷ࠶ڵɺɾɾɾ ɹɹݟग़͠ޠɿ࠶ڵ ɹɹɹޠऍจɿ͓ͱΖ͑ͨΓɺ΄ΖΜͩΓͨ͠ͷ͕ɺ ɹɹɹɹɹɹɹ͏Ұ͔͞ΜʹͳΔ͜ͱ ɹɹɹݴରɿʢ࠶ڵ ͏Ұ͔͞ΜʹͳΔ͜ͱʣ
ɹɹɹग़ྗྫɿֶॴͷ࠶ڵɺɾɾɾ ɹɹɹɹɹɹɹ࠶ڵͱɺ͏Ұ͔͞ΜʹͳΔ͜ͱͰ͋Δɻ ޠऍจʹΑΔऍ͚
ޠऍจʹΑΔऍ͚ • ෆཁͳදݱͷআ ɹɹɹೖྗྫɿେֶͷΩϟϯύε ɹɹݟग़͠ޠɿΩϟϯύε ɹɹɹޠऍจɿେֶͳͲͷݐ͕͋Δ
ɹɹɹݴରɿʢΩϟϯύε ݐ͕͋Δʣ ɹɹɹग़ྗྫɿେֶͷΩϟϯύε ɹɹɹɹɹɹɹΩϟϯύεͱɺݐ͕͋ΔͰ͋Δɻ
࣮ݧ • ࣮ݧ݅ • ίʔύεɿҰൠ͚৽ฉจ ɹɹɹɹʢຖখֶੜ৽ฉͱ༰͕Ұக͢Δจʣ • ݴࣝɿνϟϨϯδখֶࠃޠࣙయ
ޠ୯ҐͰͷ࣮ݧ݁Ռ ݴ͕ ඞཁͳશޠ খֶࠃޠࣙ యͷܝࡌ ༗ɿ ʢʣ ແɿ ݴͨ͠PS ऍ͚ͨ͠ ݴɿ ऍɿ
࣮ݧ จ୯ҐͰͷ࣮ݧ݁Ռ ݴ͕ ඞཁͳશจ ݴ ɹ༗ɿ ඇจɿ
ແɿ ऍ ༗ɿ ແɿ ݴͱऍ ͷ߹Θͤ ྆ํ༗ɿ ྆ํແɿ ݴͷΈɿ ऍͷΈɿ จ๏͕ ਖ਼͍͠ग़ྗ ʢʣ ˞ඇจɿจ๏͕ਖ਼͘͠ͳ͍จ
ࣦഊྫ • খֶࠃޠࣙయʹඇܝࡌͷޠ • ޠதͷޠʢʣ ɹˠෳͷࠃޠࣙయΛ༻͍ͯཏੑΛ্͛Δ ޠ
छྨ ༳Ε ಈࢺΛ໊ࢺԽͨ͠ޠ ࣾՈ খֶߍͰͷֶशʹ༻͍ͳ͍ղͳޠ ηϛφʔ ֎དྷޠ
ࣦഊྫ • ֨ॿࢺʮʹʯͷݴ • తΛද͢ʮʹʯͷલଟ͕͘αม໊ࢺ ɹˠʮʙ͜ͱʹʯΛʮʙͨΊʹʯʹม छྨ
ೖྗྫ ग़ྗྫ ࣌ؒ ਂʹى͖Δ ਅதʹى͖Δ ॴ ڷཬʹؼΔ ;Δ͞ͱʹؼΔ త ٹԉʹ͔͏ ✕ɿॿ͚Δ͜ͱʹ͔͏ ˓ɿॿ͚ΔͨΊʹ͔͏
ߟ • ऍΛ͚ͨޠͷݴ • ಉ ্Ґ ֓೦ޠֶ͕शجຊޠኮͷ߹͕͋Δ ɹˠ8PSE/FU͔Βಉ ্Ґ ֓೦ޠΛநग़
ಉ֓೦ޠ ্Ґ֓೦ޠ ࠶ڵ ෮׆ मཧ ڊঊ ໊ਓ ܳज़Ո
ࠓޙͷల • খֶੜʹΑΔධՁ Ø খֶੜ৽ฉ Ø Ұൠ͚৽ฉ Ø ݴɾޠኮ੍ݶͨ͠Ұൠ͚৽ฉ – ཧղ͘͢͠ͳ͔ͬͨʁ –
ใ͕ޡͬͯΘ͍ͬͯͳ͍͔ʁ
ใΛΔ͖͔ • ࡉ͔͍ใΛΔ͜ͱͰςΩετ؆୯Խ ɹɹݟग़͠ޠɿ࠲ ɹɹɹޠऍจɿ;Ͷ͕ɺւதͷؠͳͲʹ ɹɹɹɹɹɹɹΓ্͛ͯɺಈ͚ͳ͘ͳΔ͜ͱ ɹɹɹݴରɿʢ࠲͢Δ ಈ͚ͳ͘ͳΔʣ ɹɹɹݴྫɿધ͕࠲͠ɺʜ
ɹɹɹɹɹˠɹધ͕ಈ͚ͳ͘ͳΓɺʜ
ಉ֓೦ޠɾ্Ґ֓೦ޠͷݴ • ਓؾɹˠɹ࣭ʢ্Ґ֓೦ʣ • ͯ͢ɹˠɹͳ͠ • ྟΉɹˠɹߦ͘ʢಉ֓೦ʣ • ຊಊɹˠɹͳ͠ •
ڊঊɹˠɹ໊ਓʢಉ֓೦ʣ • खֻ͚ΔˠҭͯΔʢಉ֓೦ʣ • ढ͏ɹˠɹ୰͘ʢ্Ґ֓೦ʣ • ΘΓˠΘΓʢಉ֓೦ʣ • ூΓɹˠɹͳ͠ • ηϦɹˠɹͳ͠ • φζφɹˠɹͳ͠ • ࣣɹˠɹͳ͠ • ࣣɹˠɹͳ͠ • ࢢɹˠɹͳ͠ • ۠Ҭɹˠɹํʢಉ֓೦ʣ • ࠭भɹˠɹखʢ্Ґ֓೦ʣ • ೖΓߐɹˠɹւʢߏཁૉʣ • ɹˠɹւʢߏཁૉʣ • ڝΓɹˠɹചങʢಉ֓೦ʣ • ࢧԉɹˠɹॿ͚Δʢಉ֓೦ʣ • ౣˠ൵͍͠ʢ্Ґ֓೦ʣ • ͱ͢ɹˠɹͳ͠ • ࠶ڵɹˠɹ෮׆ʢಉ֓೦ʣ • ఼ࣾɹˠɹͳ͠ • ͓ٶɹˠɹॅʢ্Ґ֓೦ʣ • ྟΉɹˠɹߦ͘ʢಉ֓೦ʣ • ങਓɹˠɹਓʢಉ֓೦ʣ • ڝΓɹˠɹചങʢಉ֓೦ʣ • ཽɹˠɹͳ͠ • ଧ্ͪ͛Δˠελʔτʢಉ֓೦ʣ • େࠜɹˠɹͳ͠ • ݱঢ়ɹˠɹ༷ࢠʢ্Ґ֓೦ʣ • ݪൃɹˠɹͳ͠ • ॳɹˠɹͳ͠ • ݪൃɹˠɹͳ͠ • ڝΔɹˠɹઓ͏ʢಉ֓೦ʣ • ͍͔͚Δˠฉ͘ʢಉ֓೦ʣ • શյɹˠɹ่ΕΔʢಉ֓೦ʣ • ଟ༷ˠ͍Ζ͍Ζʢಉ֓೦ʣ • ڝΔɹˠɹઓ͏ʢಉ֓೦ʣ • ځ͢Δɹˠɹͳ͠ • ͨͨΈ͔͚Δɹˠɹͳ͠ • ݯɹˠɹͳ͠ • ݪൃɹˠɹͳ͠ • ཁɹˠɹத৺ʢಉ֓೦ʣ • ड͚ܧ͙ˠܧ͙ʢಉ֓೦ʣ • ࢢɹˠɹͳ͠ • ۠Ҭɹˠɹํʢಉ֓೦ʣ • ࣣɹˠɹͳ͠ • ৼΔ͏ˠߦಈʢಉ֓೦ʣ • ਓؾɹˠɹ࣭ʢ্Ґ֓೦ʣ • ։ນɹˠɹ։࢝ʢಉ֓೦ʣ • ໊ɹˠɹ൘ʢಉ֓೦ʣ • ʹ͗Θ͏ˠޭʢಉ֓೦ʣ • ͯ͢ɹˠɹͳ͠ • ࢈ɹˠɹʢಉ֓೦ʣ • །Ұɹˠɹݸੑʢ্Ґ֓೦ʣ • اըɹˠɹܭըʢಉ֓೦ʣ • ɹʢʣ
খֶࠃޠࣙయʹඇܝࡌͷޠ • ۚϝμϧ • ͦΕΒ • ͓Β͍ • ྆ •
٫ • ଞߍ • খதֶߍ • ߍ • ࣾՈ • ࡢळ • ηϛφʔ • ૹΓग़͢ • ݄̕ • ࣘ͘ • յ • ༳Ε • βοΫ • ͩ͜ΘΓ • ങ͍ٻΊΔ • δϟύχʔζ ɹɹɹɹͳͲ
ݴࣦഊྫ • ྟΉͱɺ໘͍ͯ͠Δ͜ͱͰ͋Δ ɹˠɹྟΉͱɺ͍ͯ͘Δ͜ͱͰ͋Δ • ࡇΓظؒதͷΈൢച͞Ε͍ͯΔ ɹˠɹࡇΓظؒதͷΈΛചΒΕ͍ͯΔ • ڭࣨΛؒआΓ͍ͯͨ͠ ɹˠɹڭࣨΛۚΛΒͬͯ෦ΛआΓ͍ͯͨ
• ԣࢢʹͱආ͍ͯ͠Δ ɹˠɹԣࢢʹͱ҆શͳͱ͜Ζʹʹ͍͛ͯΔ • ్தͰؒҾ͖ʹ๚ΕΔ ɹˠɹ్தͰͱ͜ΖͲ͜Ζ͵͖ͱΔ͜ͱʹ๚ΕΔ • ͕ͳ͞Εͨͦ͏ͩ ɹˠɹ͕͢ΔΕͨͦ͏ͩ