狠狠撸shows by User: hirokiouchi5 / http://www.slideshare.net/images/logo.gif 狠狠撸shows by User: hirokiouchi5 / Thu, 14 Sep 2017 03:22:02 GMT 狠狠撸Share feed for 狠狠撸shows by User: hirokiouchi5 Domain Attention with an Ensemble of Experts /slideshow/test-79750697/79750697 test-170914032202
SNLP-2017]]>
SNLP-2017]]> Thu, 14 Sep 2017 03:22:02 GMT /slideshow/test-79750697/79750697 hirokiouchi5@slideshare.net(hirokiouchi5) Domain Attention with an Ensemble of Experts hirokiouchi5 SNLP-2017 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/test-170914032202-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> SNLP-2017
Domain Attention with an Ensemble of Experts from Hiroki Ouchi
]]> 470 4 https://cdn.slidesharecdn.com/ss_thumbnails/test-170914032202-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 深层リカレントニューラルネットワークを用いた日本语述语项构造解析 /slideshow/ss-70436298/70436298 2016-1222nluploaded-161226015836
既存の日本語述語項構造解析では，形態素解析や構文解析を行い，それらの情報に基づいて各述語の項を予測していた．しかし，パイプライン処理に起因する誤り伝搬や，人手による素性設計コストの上昇などが問題点となっている．本研究では，深層リカレントニューラルネットワークを利用し，単語などの表層情報のみを用いて述語項構造解析を行う手法を提案する. また，複数の述語を同時に考慮して述語構造解析の精度を向上させるために，述語ごとのモデルをグリッド上に連結した深層リカレントグリッドモデルを提案する．NAIST テキストコーパスを用いた実験の結果，これまでに報告されている最先端の日本語述語項構造解析器の精度を上回ることを確認した．]]>
既存の日本語述語項構造解析では，形態素解析や構文解析を行い，それらの情報に基づいて各述語の項を予測していた．しかし，パイプライン処理に起因する誤り伝搬や，人手による素性設計コストの上昇などが問題点となっている．本研究では，深層リカレントニューラルネットワークを利用し，単語などの表層情報のみを用いて述語項構造解析を行う手法を提案する. また，複数の述語を同時に考慮して述語構造解析の精度を向上させるために，述語ごとのモデルをグリッド上に連結した深層リカレントグリッドモデルを提案する．NAIST テキストコーパスを用いた実験の結果，これまでに報告されている最先端の日本語述語項構造解析器の精度を上回ることを確認した．]]> Mon, 26 Dec 2016 01:58:36 GMT /slideshow/ss-70436298/70436298 hirokiouchi5@slideshare.net(hirokiouchi5) 深层リカレントニューラルネットワークを用いた日本语述语项构造解析 hirokiouchi5 既存の日本語述語項構造解析では，形態素解析や構文解析を行い，それらの情報に基づいて各述語の項を予測していた．しかし，パイプライン処理に起因する誤り伝搬や，人手による素性設計コストの上昇などが問題点となっている．本研究では，深層リカレントニューラルネットワークを利用し，単語などの表層情報のみを用いて述語項構造解析を行う手法を提案する. また，複数の述語を同時に考慮して述語構造解析の精度を向上させるために，述語ごとのモデルをグリッド上に連結した深層リカレントグリッドモデルを提案する．NAIST テキストコーパスを用いた実験の結果，これまでに報告されている最先端の日本語述語項構造解析器の精度を上回ることを確認した． <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/2016-1222nluploaded-161226015836-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 既存の日本語述語項構造解析では，形態素解析や構文解析を行い，それらの情報に基づいて各述語の項を予測していた．しかし，パイプライン処理に起因する誤り伝搬や，人手による素性設計コストの上昇などが問題点となっている．本研究では，深層リカレントニューラルネットワークを利用し，単語などの表層情報のみを用いて述語項構造解析を行う手法を提案する. また，複数の述語を同時に考慮して述語構造解析の精度を向上させるために，述語ごとのモデルをグリッド上に連結した深層リカレントグリッドモデルを提案する．NAIST テキストコーパスを用いた実験の結果，これまでに報告されている最先端の日本語述語項構造解析器の精度を上回ることを確認した．
深层リカレントニューラルネットワークを用いた日本语述语项构造解析 from Hiroki Ouchi
]]> 57198 6 https://cdn.slidesharecdn.com/ss_thumbnails/2016-1222nluploaded-161226015836-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 https://cdn.slidesharecdn.com/profile-photo-hirokiouchi5-48x48.jpg?cb=1549601345 Natural Language Processing / Machine Learning https://hiroki13.github.io/ https://cdn.slidesharecdn.com/ss_thumbnails/test-170914032202-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/test-79750697/79750697 Domain Attention with ... https://cdn.slidesharecdn.com/ss_thumbnails/2016-1222nluploaded-161226015836-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/ss-70436298/70436298 深层リカレントニューラルネットワークを用いた...