Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
文献紹介: 日本語学習者の作文における 誤用タイプの階層的アノテーションに基づく機械学習による...
Search
Yumeto Inaoka
February 23, 2017
Technology
290
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
文献紹介: 日本語学習者の作文における 誤用タイプの階層的アノテーションに基づく機械学習による自動分類
2017/02/23の文献紹介で発表
Yumeto Inaoka
February 23, 2017
More Decks by Yumeto Inaoka
See All by Yumeto Inaoka
文献紹介: Quantity doesn’t buy quality syntax with neural language models
yumeto
1
230
文献紹介: Open Domain Web Keyphrase Extraction Beyond Language Modeling
yumeto
0
290
文献紹介: Self-Supervised_Neural_Machine_Translation
yumeto
0
200
文献紹介: Comparing and Developing Tools to Measure the Readability of Domain-Specific Texts
yumeto
0
210
文献紹介: PAWS: Paraphrase Adversaries from Word Scrambling
yumeto
0
220
文献紹介: Beyond BLEU: Training Neural Machine Translation with Semantic Similarity
yumeto
0
330
文献紹介: EditNTS: An Neural Programmer-Interpreter Model for Sentence Simplification through Explicit Editing
yumeto
0
440
文献紹介: Decomposable Neural Paraphrase Generation
yumeto
0
260
文献紹介: Analyzing the Limitations of Cross-lingual Word Embedding Mappings
yumeto
0
300
Other Decks in Technology
See All in Technology
30座EKS, 180次升級淬煉的EKS Upgrade Skill 的歷程
eric8230
0
180
安心して変更できるWebフロントエンドの作り方
pirosikick
5
2.7k
ユーザー価値を届け続けるためにウォンテッドリーが大切にしている文化
kotaminato
0
180
新機種発売前に見直そう!端末移行で再ログインが要るアプリ・要らないアプリは何が違うのか 〜シームレスに再開できる設計と実装〜
zozotech
PRO
0
210
フルカイテン株式会社 エンジニア向け採用資料
fullkaiten
0
12k
負債のメタファと2026年 / Debt Metaphor in Agentic Engineering Age 202609 Edition
twada
PRO
10
4.1k
ソフトウェアDNAとクラウドエージェントのススメ
cloudace
0
110
Genieを崇めよ
kameitomohiro
0
160
AI時代、データエンジニアが一番おもろい
genshun9
0
670
LTのテーマ どうきめてる?〜5つの型と私のやり方〜
yama3133
1
110
技術的負債から考える、AI時代のエンジニアリング投資 — ビズリーチの技術的負債と向き合った経験から、変更し続けられるソフトウェアを考える/ technical-debt-con2026
visional_engineering_and_design
4
3.2k
その Lambda、8分で 管理者権限まで奪われます
k1nakayama
6
3.1k
Featured
See All Featured
The Curious Case for Waylosing
cassininazir
1
510
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.9k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
287
14k
The World Runs on Bad Software
bkeepers
PRO
72
12k
Thoughts on Productivity
jonyablonski
76
5.4k
How to build a perfect <img>
jonoalderson
1
6k
The Cost Of JavaScript in 2023
addyosmani
55
10k
How to Get Subject Matter Experts Bought In and Actively Contributing to SEO & PR Initiatives.
livdayseo
0
200
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
52
6.1k
Designing for Timeless Needs
cassininazir
1
480
BBQ
matthewcrist
89
10k
Gemini Prompt Engineering: Practical Techniques for Tangible AI Outcomes
mfonobong
2
530
Transcript
ຊޠֶशऀͷ࡞จʹ͓͚Δ ޡ༻λΠϓͷ֊తΞϊςʔγϣϯ ʹجͮ͘ػցֶशʹΑΔࣗಈྨ จݙհ ࣗવݴޠॲཧݚڀࣨɹҴԬເਓ େࢁߒඒ খொक দຊ༟࣏
ݴޠॲཧֶձ 7PM /P QQ
֓ཁ ˗ /"*45ޡ༻ίʔύεͷ࡞ ˗ ্هίʔύεʹΑΔޡ༻λΠϓͷࣗಈྨ ˠ࣮༻ʹת͑͏Δద߹ ׂఔ ͷ࣮ݱ ˗ ޡ༻λΠϓʹ֊ߏΛར༻ͨ͠ྨ
ˠྨਫ਼͕ϙΠϯτ্ ˗ ฤूڑͱஔ֬Λ৽ͨʹૉੑͱͯ͠ར༻ ˠྨਫ਼͕ϙΠϯτ্
എܠ ˗ ݴޠֶशऀίʔύεͷௐࠪݚڀͷར༻ ˗ ֶशऀͷ࡞จΛޡ༻λΠϓผʹͯ͠׆༻͍ͨ͠ ˗ େنͳίʔύεΛਓखͰྨ͢Δͷࠔ 㱺ػցֶशΛ༻͍ͨޡ༻จͷޡ༻λΠϓผͷྨ
/"*45ޡ༻ίʔύεͷ࡞ ˗ ࠃཱࠃޠݚڀॴͷ࡞จର༁%#ͷλά͚ ˗ ఴΛมߋͤͣʹޡ༻λάΛΞϊςʔγϣϯ ˗ શޡ༻λΠϓछΛ֊తʹఆٛ ˗ ୈ֊छɺ͏ͪछΛબ
ޡ༻λάͷΞϊςʔγϣϯ TͦΕͰɼHPZPUZQFlTFNzUZQFlOPULKz DSSlৗʹz·͍ʹͪHPZP͕͍͘͜ͷ͑Μ͡ΐ͕ ͍Γ·͢ɽT ˗ ޡ༻ՕॴʹHPZPλάΛઃ͚Δ ˗ ਖ਼༻ՕॴΛDSSଐੑͰࢦఆ ˗ ޡ༻λΠϓΛUZQFଐੑͰࢦఆ
ޡ༻λΠϓͷྨ ˗ ୈஈ֊Ͱʮෆʯʮ༨ʯ ʮஔʯʹྨ ˗ ʮஔʯͰʮจ๏తޡ༻ʯ ʮޠኮతޡ༻ʯʹྨ ˗ ʮ\จ๏ ޠኮ^తޡ༻ʯͷ
ͦΕͧΕͰྨ
࣮ݧํ๏ ˗ /"*45ޡ༻ίʔύε͔Βͷ ࣄྫʹΑΔ ׂަࠩݕఆ ˗ จʹผʑͷޡ༻͕ݸҎ্͋Δ߹ ޡ༻ʹ͖ͭࣄྫ ˗ ޡ༻λΠϓΛ֊ߏԽͨ͠߹ͱ
͠ͳ͔ͬͨ߹ͷ྆ํͰ࣮ݧ
࣮ݧͷྲྀΕ ˗ ޡ༻ՕॴY ਖ਼༻ՕॴZ ޡ༻λΠϓUͷͭͷ ϥϕϧ Y Z U ΛऔΓग़͢
˗ ࣄྫ͝ͱʹૉੑΛ༩ ˗ ࠷େΤϯτϩϐʔ๏Λ༻͍ͯଟΫϥεྨ
ૉੑ
ฤूڑ ˗ ͭͷจࣈྻͷҧ͍Λࣔ͢ڑ ˗ จࣈͷૠೖɾআɾஔΛ࠷খͰԿճߦ͑ Ұํ͔Β͏ҰํͷจࣈྻʹͳΔ͔ ˗ ྫ LJUUFOͱTJUUJOH LJUUFOˠTJUUFOˠTJUUJOˠTJUUJOH
ճͷखॱͰग़དྷΔͷͰฤूڑ
ஔ֬ ˗ ޡ༻ஔ֬ ޡ༻ͲͷΑ͏ʹగਖ਼͞Ε͍ͯΔ͔ ˗ ਖ਼༻ஔ֬ ਖ਼༻จͲͷΑ͏ͳޡ༻͔Βగਖ਼͞Ε͍ͯΔ͔
ධՁई
࣮ݧ݁Ռ ֊ߏ
࣮ݧ݁Ռ ֊ߏ ϙΠϯτ
࣮ݧ݁Ռ ֊ߏ
࣮ݧ݁Ռ ֊ߏ
࣮ݧ݁Ռ ֊ߏ ࣄྫ ࣄྫ ࣄྫ
࣮ݧ݁Ռ ฤूڑɾஔ֬
࣮ݧ݁Ռ ฤूڑɾஔ֬ ϙΠϯτ
࣮ݧ݁Ռ ฤूڑɾஔ֬ ϙΠϯτ
࣮ݧ݁Ռ ฤूڑɾஔ֬ ϙΠϯτ
࣮ݧ݁Ռ ֊ຖ
ฤूڑૉੑʹΑΔੑೳ্ ˗ ޠኮબɿࣈˠࣈɹඇࣈˠࣈ ˗ දهɿฏԾ໊ˠࣈ ˗ ༨ɿจࣈྻ͕͍ͷˠ㱵
ஔ֬ʹΑΔੑೳ্ ˗ ಈࢺɿϕʔεϥΠϯ ฤूڑͰ ɹɹɹจମʹྨ͞ΕΔͷ ˗ ෆɿϕʔεϥΠϯ ฤूڑͰ ɹɹɹॿࢺʹྨ͞ΕΔͷ
จ຺ͱੑೳͷؔ ˗ จ຺ͷ֦େੑೳ্ʹͭͳ͕Βͳ͍ ˗ จ຺ใޡ༻λΠϓྨʹෆཁͳՄೳੑ ˗ ޡ༻෦ͷपลܗଶૉղੳ͕ࣦഊ͍͢͠ ˗ ݴޠֶशऀͷ࡞จܗଶૉղੳ͕ࠔ
·ͱΊ ˗ ຊޠֶशऀͷޡ༻λά͖ίʔύε ʮ/"*45ޡ༻ίʔύεʯͷ࡞Λߦͬͨ ˗ ޡ༻λΠϓྨΛ֊ߏʹͯ͠ྨੑೳͷ ্Λਤͬͨ ˗ ֦ுૉੑͱͯ͠ฤूڑͱஔ֬ΛՃ͠ ྨੑೳΛ্ͤͨ͞
˗ ॳͷޡ༻λΠϓࣗಈྨثʹ͓͍࣮ͯ༻తͳ ਫ਼Λୡͨ͠