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
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
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
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．
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)
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