7 0 0 0 訓練事例が予測に与える影響の測り方の妥当性検証
6 0 0 0 OA カーネル法に基づく疎な言語表現のための高速計算可能な共起尺度
コロケーション獲得や対話応答選択など,言語表現の間の関連の強さのモデル化は自然言語処理における基本的タスクである.デファクトの共起尺度である自己相互情報量(PMI)は疎なデータに適用すると大きな学習時間が必要となる.本講演では,PMIが「相互情報量へのペア(x,y)の貢献度」と捉えられることと対応付け,新しい共起尺度であるPointwise HSIC(PHSIC)を「カーネル法に基づく依存性尺度HSICへのペア(x,y)の貢献度」として提案する.PHSICは句や文などの疎な言語表現に適用でき,しかも行列計算に基づく高速な推定が可能である.実験では,PHSICを対話の応答文選択タスクに適用し,学習速度が既存尺度に比べ約100倍高速で,かつデータ数が少ないときにも予測精度の劣化が少ないことを示す.
2 0 0 0 OA スタイルの類似性を捉えた単語ベクトルの教師なし学習
- 著者
- 赤間 怜奈 渡邉 研斗 横井 祥 小林 颯介 乾 健太郎
- 出版者
- 一般社団法人 人工知能学会
- 雑誌
- 人工知能学会全国大会論文集 第32回全国大会(2018)
- 巻号頁・発行日
- pp.1N203, 2018 (Released:2018-07-30)
本研究は,教師なし学習によりスタイル(言葉遣いや文体など)の類似性を捉えるを試みる初めての研究である. 本研究では「スタイル」の類似性を捉えるベクトル空間を構築するに当たり,「同一発話内に含まれる単語は同一のスタイルを持つ」という仮定を置く. この仮定に基づき,同一発話内の単語を予測できるようなベクトルを構成することで,スタイルの類似性を捉えた単語ベクトル空間を獲得する手法を提案する.我々が期待する単語ベクトル空間とは,(「意味」は近くとも)「スタイル」が大きく異なる``俺''と``私''は遠くに配置され,(「意味」は異なっているとしても)「スタイル」が似ている``俺''と``だぜ''が近くに配置されるような空間である. さらに本研究では,スタイルの類似性を包括的に定量評価する手法を提案し,そのための評価データセットを新たに作成する. 提案手法により獲得した単語ベクトルが,スタイルの類似性を捉えていることを定量的および定性的に示す.
2 0 0 0 OA スタイルの類似性を捉えた単語ベクトルの教師なし学習
本研究は,教師なし学習によりスタイル(言葉遣いや文体など)の類似性を捉えるを試みる初めての研究である.本研究では「スタイル」の類似性を捉えるベクトル空間を構築するに当たり,「同一発話内に含まれる単語は同一のスタイルを持つ」という仮定を置く.この仮定に基づき,同一発話内の単語を予測できるようなベクトルを構成することで,スタイルの類似性を捉えた単語ベクトル空間を獲得する手法を提案する.我々が期待する単語ベクトル空間とは,(「意味」は近くとも)「スタイル」が大きく異なる``俺''と``私''は遠くに配置され,(「意味」は異なっているとしても)「スタイル」が似ている``俺''と``だぜ''が近くに配置されるような空間である.さらに本研究では,スタイルの類似性を包括的に定量評価する手法を提案し,そのための評価データセットを新たに作成する.提案手法により獲得した単語ベクトルが,スタイルの類似性を捉えていることを定量的および定性的に示す.
1 0 0 0 文間意味的類似度のベンチマークタスクと実応用タスクの乖離
- 著者
- 阿部 香央莉 横井 祥 梶原 智之 乾 健太郎
- 雑誌
- 2022年度 人工知能学会全国大会(第36回)
- 巻号頁・発行日
- 2022-04-07
1 0 0 0 単語埋め込みのノルムと方向ベクトルを区別した文間最適輸送コスト
1 0 0 0 OA 独立性尺度に基づく知識の粒度の教師なし推定
- 著者
- 横井 祥 持橋 大地 高橋 諒 岡崎 直観 乾 健太郎
- 出版者
- 人工知能学会
- 雑誌
- 人工知能学会全国大会論文集 (ISSN:13479881)
- 巻号頁・発行日
- vol.31, 2017
コーパスから関係知識を取り出す際,元の文のどの単語までを知識に含めるかが問題となる.本研究では,文ペアの集合を入力として知識に含めるべき単語を教師なしで推定する問題を提案し,この形式の問題が人工知能の諸分野に存在することを指摘する.提案手法では,カーネル法ベースの独立性尺度を目的関数に用いて乱択アルゴリズムで最適化する.人工データと実データを用いた実験でその有用性を示す.
1 0 0 0 OA 接続行列分解による関係予測
- 著者
- 横井 祥 梶野 洸 鹿島 久嗣
- 出版者
- 人工知能学会
- 雑誌
- 人工知能学会全国大会論文集 (ISSN:13479881)
- 巻号頁・発行日
- vol.29, 2015
生物・化学や社会科学など多くの研究分野において、またSNSなど実用的に大規模データを扱う側面において、インスタンス間の関係予測は重要なタスクとして現れる。本研究では、接続行列の低ランク分解による統一的な関係予測手法を提案する。特にデータが疎な場合に、隣接行列分解やテンソル分解といった既存手法に対して予測性能や計算量の点で優位性があることを示す。