Liverpool computer scientist Dr Danushka Bollegala to work on a range of recipe and ingredient recognition projects at the world’s largest recipe sharing platform Cookpad
Liverpool computer scientist Dr Danushka Bollegala to work on a range of recipe and ingredient recognition projects at the world’s largest recipe sharing platform Cookpad Posted on 2, March 2018 by EuropaWire PR Editors | This entry was posted in Food & Beverage, Internet & Online, Technology, United Kingdom and tagged COMPUTER, Cookpad, Dr Danushka Bollegala, Liverpool, NPL, recipe, recipe sharin
自然言語処理×ジャーナリズムな研究まとめ ~ EMNLP2017 Workshopより ~ - Gunosyデータ分析ブログ
いつものやつ はじめに 各研究の分類 ニュースの品質に関する研究 Predicting News Values from Headline Text and Emotion Incongruent Headline: Yet Another Way to Mislead Your Readers Deception Detection in News Reports in the Russian Language Fake News Detection using Stacked Ensemble of Classidiers From Clickbait to Fake News Detection: An Aproach based Detecting the Stance of Headlines to Articles ニュースとユーザとの関係に関する研究 Predicting U
Seq2SQL: Generating Structured Queries from Natural Language using Reinforcement Learning
A significant amount of the world's knowledge is stored in relational databases. However, the ability for users to retrieve facts from a database is limited due to a lack of understanding of query languages such as SQL. We propose Seq2SQL, a deep neural network for translating natural language questions to corresponding SQL queries. Our model leverages the structure of SQL queries to significantly
教師なしRNNによる連続した不完全情報（主にテキスト）の補完 - にほんごのれんしゅう
教師なしRNNによる連続した不完全情報（主にテキスト）の補完 背景 Google（や、過去の私のブログの投稿）などで低解像度の映像を高解像度化する方法は、GANを使うことでわりとうまくいきました。 テキストにも同じような問題が適応できるのかって思うことがあります。RNNはすでに記述されている文字をヒントとして次の文字を予想することができます。 その特性を利用して、情報が失われたテキストから復元を試みる例を示します。 (また、戦時中の戦艦に乗っていた搭乗員の劣化した手記から情報を復元したいという思いがあります。手記の海水に沈み腐敗が進んでいたり、筆記が乱れていて解析が困難であったりという点を補完できれば良いと思います。彼らの思い、可能な限り現代に蘇らせたいと思います。) 先行研究 今回は見当たらない（ほんとに存在しないんだったら、論文出したい） 手法 RNNで欠落した連続する情報を周辺の単語
ディープラーニングによる 自然言語処理 (技術編)
名古屋大学特別講義 2016年6月29日(水) ディープラーニングによる 自然言語処理 (技術編) 日本アイ・ビー・エム株式会社 東京基礎研究所 坪井 祐太 yutat@jp.ibm.com 1 ニューラルネットワーク技術詳細 • 目的関数 • 誤差関数 • 目的関数の最小化 • 勾配法 • 目的関数の微分計算 • 誤差逆伝搬法 • 誤差の分解と対処手法 • 推定誤差に効く手法 • 最適化誤差に効く手法 • RNNの話題 2 目的関数: 誤差 • 教師あり学習の目的関数 • 𝑥 ∈ 𝑋: 入力, 𝑦 ∈ 𝑌: 出力 • 入力xからyを予測したい問題設定 • 真の目的関数: 𝐿∗ 𝜃 = ∫𝑝 𝑥, 𝑦 ℓ𝜃 𝑥, 𝑦 𝑑𝑥𝑑𝑦 • ℓ𝜃は事例ごとの損失関数（後述） • 訓練データでの誤差 • データ分布p(x,y)は普通わからないので訓練データN個: D=
日本語形態素解析の裏側を覗く！MeCab はどのように形態素解析しているか - クックパッド開発者ブログ
こんにちは、買物情報事業部の荒引 (@a_bicky) です。 前回、「検索結果の疑問を解消するための検索の基礎」で単語単位でインデキシングする前提で説明しましたが、今回は文などを単語単位で分割するために使う技術である形態素解析について触れます。 形態素解析器には色々ありますが、中でもメジャーと思われる MeCab の仕組みについて説明します。 MeCab の解析精度を上げるために辞書に単語を追加したことのある方もいると思いますが、動作原理を理解することで単語を追加する際に適切な生起コストを設定できるようになったり、学習の際に適切なパラメータを設定できるようになったりするはずです。 なお、MeCab は汎用テキスト変換ツールとしても使用できます が、簡単のため MeCab + IPA 辞書のデフォルト設定前提で説明します。 アジェンダ 形態素解析とは MeCab における最適な解析結果の推
NLP2016 2日目: ニューラルな手法とアテンションモデル - 武蔵野日記
言語処理学会年次大会の本会議2日目。朝一のセッションは招待論文セッションで、論文誌の優秀賞に選ばれた3件が発表する（3件中1件が最優秀論文賞であるが、どれがそれかは当日に発表）、というセッションである。数年前からこの形式で開催されているが、論文誌の中でもクオリティの高い研究の話が聞けるので、かなりよい取り組みだと思う。 国際会議でも TACL という論文誌が、論文誌でありながら希望者は国際会議でも発表できる、という仕組みを数年前から導入しており、一定の評価を得ている（最近は以前ならトップカンファレンスにフルペーパーを書いていた勢が軒並み TACL に移動しているという話）。言語処理学会も、並列査読にして論文誌の査読日数が大幅に短くなったのもよかったが、求心力のある年次大会と論文誌をもっとリンクさせるといいのでは、と思ったりする。（今 Mac の「ライブ変換」で書いているのだが、「いいのでは
人工知能を用いた自然言語解析技術で、国際コンペティションにて二度目の優勝 | Studio Ousia
2015年7月26日-31日に中国北京で行われた、世界最大の自然言語処理に関する国際会議ACL（Association for Computational Linguistics)で行われた、Noisy User-generated Text (W-NUT)のコンペティションにて、弊社の提案した手法が他のチームに大差をつけて優勝いたしました。二位はシンガポール科学技術研究庁（Infocomm）、三位はNational Research Council Canadaで、弊社の提案した手法は、二位にF1値1で5-10ポイントの差をつけました。 左図：Results on segmentation only (no types)（固有表現の抽出精度）、右図：Results on segmenting and categorizing entities into 10 types（固有表現の抽出及
フローグラフコーパス (FG corpus)
最新版 (Ver.2.0) は右の表の通りです。 フローグラフコーパスは、レシピ用語コーパスのサブセットです。 現在もアノテーション作業を行っています。 レシピ用語コーパスは1,000レシピ、うちフローグラフ付与は500レシピを目標としています。 KUSK Dataset 2014RC フローグラフのうち 20レシピについては、実際に調理した映像などがあります (KUSK Dataset)。 KUSK Datasetの20レシピに対応するフローグラフコーパスは、本サイトで公開中のデータに含まれています (KUSK Dataset 2014RC クックパッドデータセット対応ID)。 リンク レシピ研究 食メディア研究会 KUSK Dataset 料理オントロジー構築プロジェクト レシピ言語処理マニュアル クックパッドデータセットの使い方 自然言語処理 固有表現認識ツールPWNERを用いたレシ
Welcome! - Pontus Stenetorp's home on the web
I am Pontus Stenetorp,* a researcher and educator that finds Natural Language Processing (NLP) and Machine Learning research to be fascinating. The widely-adopted text annotation and visualisation tool brat is one of my creations and since 2012 a majority of my work has been on representation learning (Deep Learning) for natural language. My current research interest is largely focused on machine
短期間でもがんばれば報われる - 武蔵野日記
買い物をするために、武蔵境に行く。南口のイトーヨーカドーの中が改装されて、LOFT が入っていたり OLD NAVY が入っていたりして、だいぶ様変わりしている。OLD NAVY はサンフランシスコ発のショップだが、Sunnyvale に住んでいたとき San Jose のショッピングモールにある店舗まで連れていってもらったので、大変懐かしい。 午後は家に帰ってきてお昼寝。夕方は小金井公園まで娘と2人で出かけたら、10分間くらいのあいだに3人の人から話しかけられたりして、びっくり。子どもがいると話が弾むというのはよく分かる。 そういえば、うちの研究室の [twitter:@shin_kan0] くんが投稿していた論文が、ACL （自然言語処理のトップカンファレンス）にフルペーパー（口頭）で採択された（採択率は25%）。去年の9月に南大沢で開催されたProject Next NLP ワークシ
日本語で読める自然言語処理のチュートリアルスライドまとめ
先日、自然言語処理の講演などをしていたときに、そもそも私なんかが話すよりも公開されているチュートリアルスライドを集めたほうが有用なんではないかと思い立って、これから自然言語処理を学びたい人や、ちょっと新しい分野を知りたい人向けに、日本語で読めるチュートリアルスライドを分野別にまとめてみました。 主に、学会のチュートリアルや招待講演、それから研究者の方のWebページなどを参照しながら作りました。 自然言語処理全般系の資料や、少し境界的なテーマは入っていません。 また、ぱっと読めるスライドだけにしています。 幾つか手前味噌な資料も載せてます・・。 頑張って集めてみましたが、思ったほど集まりませんでした。 作っていてわかったのですが、意外とスライドを公開している人は少ないようです。 埋もれてしまうのはもったいないですね。 いずれ、英語で読めるスライドを集めてみようと思います。 そっちはそっちで、
[O] MeCab 用の新語辞書 mecab-ipadic-neologd を公開しました
MeCab 用の新語辞書 mecab-ipadic-neologd を公開しました Tweet [NLP] 日本語の文書を機械的に処理しようと思った時に、ほとんどの人が MeCabとIPADIC(IPA辞書)の両方、または、どちらかを使うことになります。 IPADICはとてもよく出来ていますが、更新されないまま年月が過ぎているので、例えば2015年3月上旬に急に流行ったような言葉は収録していません。そのため、今日生まれたような新しい文書(例、Apple Watch発売)を解析する時に困ります。困らない人もいますけど、僕は困ります。 その課題に対処するために、日本全国津々浦々、自然言語処理に関わる全ての人は独自にMeCabの新語辞書を作って対応しているわけです。その際に元データとして使われることが多いのは Wikipedia 日本語版やはてなキーワードなどです。 困ったことに、新語辞書を生成
Sequence to Sequence Learning with Neural Networks
Deep Neural Networks (DNNs) are powerful models that have achieved excellent performance on difficult learning tasks. Although DNNs work well whenever large labeled training sets are available, they cannot be used to map sequences to sequences. In this paper, we present a general end-to-end approach to sequence learning that makes minimal assumptions on the sequence structure. Our method uses a mu
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
2015年、日本所属の言語処理トップカンファレンス論文
チェック：記事書き、資料整理まで 米、驚異の人工知能 雇用喪失懸念も - 毎日新聞
機械学習に基づく自然言語処理勉強会
LSTMの実装、ライブラリ化と、対話システムへの応用
分散表現に関して思うこと - Kazuma Hashimoto (橋本和真)
言語処理100本ノック 2015