データベースの論理構造ってどんなもの？（1/3） ― ＠IT
リレーショナルデータベースのデータ構造は、大きく「物理構造」と「論理構造」に分けられます。前回解説したデータファイル、オンラインREDOログファイル、制御ファイルなどのRDBを構成するファイルが物理構造です。今回はもう1つのデータ構造である、「論理構造」の役割を解説します。【更新版】 データベースの「論理構造」とは リレーショナルデータベース（以下、RDB）のデータ構造は、大きく「物理構造」と「論理構造」に分けられます。第2回『リレーショナルデータベースの3大構成要素とは？』で解説した、RDBを構成するOSファイル──Oracle Databaseでは、「データファイル」「オンラインREDOログファイル」「制御ファイル」は物理構造です。 それに対して、「社員表」のような表データなどを格納する表領域や、セグメント、エクステント、データブロックのような、データ管理を容易にするための内部的に使う
新形態素解析器JUMAN++を触ってみたけど思ったより高精度でMeCabから乗り換えようかと思った話
JUMAN++は最近黒橋・河原研究室から発表された、JUMANの後継となる形態素解析器です。 これまでの形態素解析器と比べて違うのは、RNN言語モデルを用いて意味的自然さを考慮する、ニューラルネットワークを利用した形態素解析器となっている点です。 速度や語彙等の課題はあるものの、解析能力自体はMeCab以上なので、導入方法と共に触ってみた所感を述べてみます。 導入方法 前提 OS X Yosemite 10.10.5 VirtualBox 5.1.6 Vagrant 1.8.6 インストール vagrant boxは bento/ubuntu-16.04を使用します。 推奨はCentOSですが、自分の環境ではCentOSではビルドに失敗しました。 また、OSはubuntu16.04でもboxによっては上手くインストールすることができないため、bentoのboxがおすすめです。 $ vagr
Learning Reinforcement Learning
Github Repo with code and exercises Why Study Reinforcement Learning #Reinforcement Learning is one of the fields I’m most excited about. Over the past few years amazing results like learning to play Atari Games from raw pixels and Mastering the Game of Go have gotten a lot of attention, but RL is also used in Robotics, Image Processing and Natural Language Processing. Combining Reinforcement Lear
Statistical Semantic入門 ~分布仮説からword2vecまで~
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion ModelsDeep Learning JP
米Microsoft、オープンソースの全文検索システム「BitFunnel」を公開 | OSDN Magazine
米Microsoftが「BitFunnel」という新しいオープンソースプロジェクトを開始した。同社の検索エンジン「Bing」向けのアルゴリズムをベースとした実験的な情報検索システムで、高速さを特徴とする。現在、早期段階のコードが公開されている。 BitFunnelはBingで利用されている高性能な全文検索システム。キーワード、フレーズ、数学的表現を含むクエリに対してドキュメントを識別・ランク付けするアルゴリズムを持つ。BitFunnelのほか、C++表現「NativeJIT」、JavaおよびLuceneベースのツール「Workbench」の3種類のプロジェクトで構成される。ライセンスはMIT License。 開発チームによると、アルゴリズムの一部をオープンソースにした段階であり、新しいシステムが実際にドキュメントの解析やクエリ処理を行えるようになるにはもう少し時間を要するとしている。今後
Foundations of Statistical Natural Language Processing | MIT CogNet
Statistical approaches to processing natural language text have become dominant in recent years. This foundational text is the first comprehensive introduction to statistical natural language processing (NLP) to appear. The book contains all the theory and algorithms needed for building NLP tools. It provides broad but rigorous coverage of mathematical and linguistic foundations, as well as detail
Semantic Kernel | Studio Ousia
世界最高水準のキーワード抽出エンジン Semantic Kernelは自然言語処理のグローバルなコンペティションで２回優勝したエンティティリンキングエンジンです。 顧客ターゲティングやレコメンデーション、キュレーション、ビッグデータなどの領域で非構造データの解析にご活用いただけます。 Studio Ousiaは2015年に開催された国際コンペティションでキーワード抽出精度の二冠を達成しています 勝利したOusiaチームは、困難なタスクに対し、評価を行う人間に近い驚くほどに良い精度を実現した Noisy User-generated Text (W-NUT) チームOusiaは２位に対して精度において６９％の圧倒的な差をつけた Named Entity rEcognition and Linking (NEEL) Challenge
1
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
TechCrunch | Startup and Technology News
Deep Learningで始める文書解析入門
ゼロから始める自然言語処理 【FIT2016チュートリアル】