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
20150216 発表資料
Search
Yuta
February 16, 2015
Education
0
150
20150216 発表資料
Yuta
February 16, 2015
Tweet
Share
More Decks by Yuta
See All by Yuta
20160422 文献紹介
sudo
0
170
NLP2016 報告
sudo
0
190
NLP2016 発表スライド
sudo
0
220
20160218 文献紹介
sudo
0
260
20150909 発表資料
sudo
0
140
20150820 文献紹介
sudo
0
190
20150708 文献紹介
sudo
0
160
20150610 文献紹介
sudo
0
190
20150512 文献紹介
sudo
0
180
Other Decks in Education
See All in Education
社外コミュニティと「学び」を考える
alchemy1115
2
180
核燃料政策を問う─英国の決断と日本
hide2kano
0
180
2025年度春学期 統計学 第11回 分布の「型」を考える ー 確率分布モデルと正規分布 (2025. 6. 19)
akiraasano
PRO
0
170
日本の情報系社会人院生のリアル -JAIST 修士編-
yurikomium
1
120
令和政経義塾第2期説明会
nxji
0
200
自己紹介 / who-am-i
yasulab
PRO
3
5.4k
フィードバックの伝え方、受け身のココロ / The Way of Feedback: Words and the Receiving Heart
spring_aki
1
140
社外コミュニティの歩き方
masakiokuda
2
190
2025/06/05_読み漁り学習
nag8
0
200
Online Privacy
takahitosakamoto
0
110
20250807_がんばらないコミュニティ運営
ponponmikankan
0
170
2025年度春学期 統計学 第15回 分布についての仮説を検証する ー 仮説検定(2) (2025. 7. 17)
akiraasano
PRO
0
110
Featured
See All Featured
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
8
920
Statistics for Hackers
jakevdp
799
220k
Code Review Best Practice
trishagee
70
19k
Music & Morning Musume
bryan
46
6.8k
Done Done
chrislema
185
16k
Mobile First: as difficult as doing things right
swwweet
224
9.9k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
139
34k
Become a Pro
speakerdeck
PRO
29
5.5k
A Modern Web Designer's Workflow
chriscoyier
696
190k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
7
840
The World Runs on Bad Software
bkeepers
PRO
70
11k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3k
Transcript
情報抽出 自然言語処理研究室 B3 須戸悠太 1
情報抽出とは • あらかじめ指定されたテンプレートを埋める形 で、テキストから指定された情報を抽出する。 • 「あるテキスト」 ▫ →「出来事」「日付」「場所」などを抽出 2
例:自然災害 • テキスト ▫ フィリピン政府によると、台風6号の影響で2008 年6月21日、同国中部と南部の各地で河川の氾濫 や地滑りが発生、少なくとも17人が死亡、数人が 行方不明となった。数万人が一時、避難した。 3
例:自然災害 • テンプレート 4 スロット 情報 出来事 台風6号 日付 2008年6月21日
場所 フィリピン中部と南部の各地 損害 河川の氾濫、地滑り 死者数 少なくとも17人 行方不明者数 数人
テンプレートから • 対象とするテキストのトピックにおいて重要か つ不可欠な内容であるということを表現。 • テキストの内容によってテンプレートのスロッ トは変化。 ▫ 例:「企業の新製品情報」 ▫
→「企業名」「商品名」「価格」「スペック」 「発売日」など 5
要素技術の分割 • 1. 固有名抽出 • 2. 属性抽出 • 3. 関係抽出
• 4. シナリオの認識 6
処理の流れ 7 テ キ ス ト 形 態 素 解
析 固 有 名 抽 出 構 文 解 析 属 性 ・ 関 係 抽 出 シ ナ リ オ の 認 識 照 応 解 析 推 論 抽 出 さ れ た テ ン プ レ ー ト
各種解析法では • 形態素解析 ▫ 単語への分割、品詞の付与 • 構文解析 ▫ 名詞句、動詞句などの句の抽出 •
照応解析 ▫ 代名詞の対象や省略要素の同定 8
固有名抽出 種類 例 人名 イチロー、徳川家康、… 地名 渋谷、大阪府、… 組織名 東京工業大学、東芝、… 人工物名
iPhone、PSP、… 時間表現 午前9時、正午、… 単位表現 kg、cm、… 9
固有名抽出の手法 • 知識ベースの手法 ▫ パターンを人手で記述 ▫ 構築のコストの大きさが問題 • 統計的な手法 ▫
訓練データを、機械学習アルゴリズムに与えるこ とで、抽出規則を自動的に学習する。 10
属性・関係抽出 • 属性抽出:固有名のもつ属性を抽出 ▫ 例:人名→性別、年齢など • 関係抽出:固有名間の関係の同定 ▫ 例:人名と組織名→従業員 11
シナリオの認識 • テキスト中に記述されたイベントをパターンに より抽出。 • パターンはあらかじめ用意しておき、テキスト と照合することで該当箇所を抽出。 12
余談 • Webページを対象とした情報抽出器 ▫ →ラッパと呼び、ビジネスなどに用いられる。 • 応用例 ▫ Twitterへの投稿から抽出 ▫
→ある商品に対する消費者の反応など 13