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
NLP2016 報告
Search
Yuta
March 22, 2016
Education
0
190
NLP2016 報告
Yuta
March 22, 2016
Tweet
Share
More Decks by Yuta
See All by Yuta
20160422 文献紹介
sudo
0
170
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
20150415 文献紹介
sudo
1
230
Other Decks in Education
See All in Education
生成AI
takenawa
0
6.6k
2025年度春学期 統計学 第10回 分布の推測とは ー 標本調査,度数分布と確率分布 (2025. 6. 12)
akiraasano
PRO
0
150
2025年度春学期 統計学 第2回 統計資料の収集と読み方(講義前配付用) (2025. 4. 17)
akiraasano
PRO
0
150
Human-AI Interaction - Lecture 11 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
470
CHARMS-HP-Banner
weltraumreisende
0
230
ふりかえり研修2025
pokotyamu
0
1.2k
実務プログラム
takenawa
0
6.6k
GitHubとAzureを使って開発者になろう
ymd65536
1
120
JOAI2025講評 / joai2025-review
upura
0
170
自己紹介 / who-am-i
yasulab
PRO
3
5.2k
新卒交流ワークショップ
pokotyamu
0
440
Gamified Interventions for Composting Behavior: A Case Study Using the Gamiflow Framework in a Workplace Setting
ezefranca
1
140
Featured
See All Featured
Practical Orchestrator
shlominoach
189
11k
The Pragmatic Product Professional
lauravandoore
35
6.7k
Typedesign – Prime Four
hannesfritz
42
2.7k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
161
15k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
281
13k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
31
1.3k
[RailsConf 2023] Rails as a piece of cake
palkan
55
5.7k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
8
820
Code Reviewing Like a Champion
maltzj
524
40k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
15
1.5k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
29
9.6k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
5.9k
Transcript
NLP2016 報告 長岡技術科学大学 自然言語処理研究室 須戸 悠太 1
所感 • 対話に関連する研究が多かったと感じた ▫ オープニングでも少し触れていた • 対話システム側の発話に特徴を持たせようとい う研究も見られた 2
文献紹介 • 再帰型ニューラルネットワークを用いた特定話 者の個性を学習可能な非タスク指向型対話シス テム ▫ 三上佳孝, 萩原将文 ▫ 慶應義塾大学理工学部情報工学科
• A7:対話(2) 3
概要 • 対話システムの提案 • システムの特徴 ▫ 特定個人の個性や発話特性が学習可能 ▫ ルールベースの処理を人手で加えることなく応答 文が生成可能
▫ 学習用データを変更するだけで,容易に異なる発 話文や個性を持つシステムを構築可能 4
システムの構成 • 形態素解析後の文から文章の 分散表現としてParagraph vector を生成する. • 再帰型ニューラルネットワー クについてはRNNを用いる •
データベース中に蓄積されて いる応答文候補は再帰型 ニューラルネットワークの学 習を行った際に教師データと して用いた文を使用 5
RNNによる学習 • 特定話者(システム)の発話文を教師データとし, その 話し相手の発話文を訓練データとしてBack Propagation Through Time を用いて誤差逆伝搬計算を行って学習. 6
対話コーパス を用いて, 2種類の 発話文を 一対一で対応
評価実験 • 主観評価実験 • 学習データ ▫ 著者自身のLINEの対話履歴 • 比較対象 ▫
従来のルールベース型の手法を用いた非タスク指 向型対話システム[13] 7 [13] 小林峻也, 萩原将文, "ユーザの嗜好や人間関係を考慮する非タスク指向型 対話システム" 人工知能学会論文誌, Vol. advpub, , 2016.
実験結果 • システム全体の満足度としては従来手法と同等 • 特定個人の個性の学習については提案手法の方が優れて いる 8