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
140
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
160
NLP2016 報告
sudo
0
180
NLP2016 発表スライド
sudo
0
200
20160218 文献紹介
sudo
0
220
20150909 発表資料
sudo
0
140
20150820 文献紹介
sudo
0
170
20150708 文献紹介
sudo
0
150
20150610 文献紹介
sudo
0
170
20150512 文献紹介
sudo
0
180
Other Decks in Education
See All in Education
アプリ開発を目指した授業づくりについて
asial_corp
0
420
経験に複利を効かせろ!ふりかえり研修2024
pokotyamu
19
7.2k
スクフェスの学びにチームを惹き込め! 社内同時視聴会のすゝめ!
pokotyamu
0
680
SUMMER SCHOOL 2024
pnuslide
0
140
ISMSってどんなもの?
fbei_ot
0
160
Design Guidelines and Principles - Lecture 7 - Information Visualisation (4019538FNR)
signer
PRO
0
1.7k
Avoin jakaminen ja Creative Commons -lisenssit
matleenalaakso
0
1.1k
Introduction - Lecture 1 - Advanced Topics in Big Data (4023256FNR)
signer
PRO
1
1.1k
5 занятие. Разбор метода "8 кубиков"бизнес-модели #ideaNN 16.02.2024.
karlov
0
180
Monaca Educationを活用したプログラミング授業実践
asial_edu
0
190
Earthquake and Disaster Prevention Information for UTokyo International Students
utokyoissr2360
0
610
【滋賀大学データサイエンス学部】PropTech(不動産テック)における AI・データサイエンス活用
takehikohashimoto
0
4.1k
Featured
See All Featured
Building Adaptive Systems
keathley
29
1.8k
Documentation Writing (for coders)
carmenintech
59
3.9k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
34
8.8k
Why Our Code Smells
bkeepers
PRO
331
56k
Designing the Hi-DPI Web
ddemaree
276
33k
For a Future-Friendly Web
brad_frost
171
8.9k
The Power of CSS Pseudo Elements
geoffreycrofte
58
5k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
15
1.4k
What's new in Ruby 2.0
geeforr
336
31k
Music & Morning Musume
bryan
40
5.6k
10 Git Anti Patterns You Should be Aware of
lemiorhan
645
57k
Gamification - CAS2011
davidbonilla
76
4.6k
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