NLP2018参加報告

2018/03/19年次大会報告会での発表資料

Transcript

1. 長岡技術科学大学
   自然言語処理研究室
   学部3年 上脇優人
   

   View Slide

2. 
    研究について
    年次大会を通して(自分の課題点)
    年次大会を通しての感想
   報告内容
   

   View Slide

3. 
    P1-7 日本語呼びかけ・応答・挨拶・独言・間投表現レキシ
   コンの性質と応用
    田辺利文 (福岡大), 髙橋雅仁 (久留米工大), 首藤公昭 (福岡大)
    P4-22 意見分析に適した意見タグ獲得改善への取り組み
    三澤賢祐, 成田和弥 (Insight Tech/JST), 伊藤友博 (Insight Tech),
   柴田知秀, 河原大輔, 黒橋禎夫 (京大/JST)
    P1-12 人の動作および物体認識に基づく動画像からの文生成
    漆原理乃, 小林一郎 (お茶大)
   研究について
   

   View Slide

4. P1-7 日本語呼びかけ・応答・挨拶・独
   言・間投表現レキシコンの性質と応用
   P4-22 意見分析に適した意見タグ獲得
   改善への取り組み
   P1-12 人の動作および物体認識に基づ
   く動画像からの文生成
   • 単語は，新聞記事などから手作業で収
   集．
   • 感情を細かに区分けし，多くの表現を
   集めることで繊細な感情情報処理シス
   テムの実現を考えている．
   • 「うぜー」等の若者言葉的な表現はま
   だ入っていない．
   • 感情タグに曖昧な部分がある．
   • 「意見対象部」+格助詞+「意見述
   部」とすることで分析者が文脈情報を
   理解しやすくなる．
   • エラーが出た部分についてルールを追
   加し，改善がなされている．
   • 「意見述部不足」はルールを追加して
   も多少のエラー率減少の為，改善が必
   要．
   • 料理について人の動作を捉えた説明文
   生成手法についての研究．
   • 動作認識では，平均50%のフレームが
   動作について適切な語を選択可能．
   • 文生成では，位置情報や語順が踏まえ
   られている．
   • 「cut」と「peel」動作が近い単語だ
   と動作認識率が低い．
   

   View Slide

5. 
    情報量不足．
    説明を聞いても理解できない．(知らない語が多く出
   てくる．)
    スケジュール管理ミス．
    全ての企業ブースに行けなかった．
    聞きたい発表を全て聞けなかった．
   年次大会を通して
   (自分の課題点)
   

   View Slide

6. 
    最前線で働く方と話せる！
    研究の内容から会社のことまで色々と教えて頂いた．
    企業は，言語資源が豊富．
    大学に比べ，独自のサービスがある為，言語資源が豊富．
    改めて良いスライド等の重要性に気づけた．
    いくら研究内容が良くても発表が良くないと寝ている人が
   多くなる．
   年次大会を通しての感想
   

   View Slide