サブワードによって希少語対応が可能となったが、フレーズに対応できない。 そこで、フレーズ対応して精度を上げる手法を提案。 SMTを用いてフレーズ対訳ペアを抽出し、データのフレーズ対訳ペアをトークンに置換してNMTを学習。 出力のトークンを訳語に戻し、訳を得る。 https://t.co/9Lwds6yF0v

おもしろそうなの見つけた https://t.co/56QxsKU9e4

#寝る前に論文読む 山下宏/将棋の棋譜から対局者名を深層学習で推測 https://t.co/dVQ6VL3drU 深層学習により、アマなら98.9%、プロなら57.2％の精度で対局者を特定できた。この差はなにか、また同一人物の棋譜であると特徴づけられる要因はなにか？　振り飛車党は特定されやすい可能性がある。

将棋AI がプロ棋士の棋譜に与えた影響 ―定量的分析からの考察― 興味深い論文ですね。直近10年における40手目以降の平均損失(1手平均でどれだけ将棋AI最善から評価値を落としたかの値。棋力と相関あり）は、A級棋士のみ有意に向上しており、その他のクラスでは差がないと。 https://t.co/LO0w8Pi5hq

今年の言語処理学会年次大会で開催しましたワークショップ「NLP における再現性」に関する記事が会誌自然言語処理に掲載されました。そもそも再現性とは何か、再現性を担保するとはどういうことか、コミュニティとしてどう考えていくかについての議論を概観しています。https://t.co/k3JLr4PHL7

「機械学習など情報解析を目的とするのであれば，著作権等のあるコンテンツ を自由に利用できる.それがたとえ営利目的・商業目的であっても、たとえ違法に入手した著作物等であって も，情報解析に必要な限度といえれば，あらゆる利用行為が許容され得るのである」 https://t.co/HmE8CY5H3e

@Ryohightech 最近だと個々のアクチュエータの制御に機械学習とかよく聞きますもんね ソース↓は人型じゃないですが、人型でも同じようなことはしそうです 既に動いてるお手本があるってのはそこそこ強みかもですな… https://t.co/WbQmNb2FSV https://t.co/4Thc3DRYWU https://t.co/an7I1hejUc

深層学習と双曲線幾何の関連について勉強するために「足立恒雄, "よみがえる非ユークリッド幾何", 日本評論社(2019)」を読み初めてたけど、どう深層学習と絡んでくるか読めなさすぎてアプローチ間違えた気がする。 サーベイ論文読んでからキャッチアップした方が妥当かな。例 https://t.co/Wm6koJHNYN

B4柳本と卒業生の井川による論文が、自然言語処理の分野のメジャー国際会議AACLに採択されました。強化学習を用いたテキスト平易化に関する研究で、人工知能学会全国大会での以下の発表の発展版です。 https://t.co/sFd41krNAa

KAKEN — 研究課題をさがす | 大規模臨床看護データと機械学習による重症を伴う転倒発生の予測手法開発に関する研究 (KAKENHI-PROJECT-16K20977) https://t.co/gobsfEm3sp

AAMT/Japio特許翻訳研究会のメンバーで執筆した解説論文が「自然言語処理」に掲載されました。 「特許機械翻訳の課題解決に向けた機械翻訳技術解説」 https://t.co/GUnH2ADyhe 特許翻訳を念頭に置きつつ関連する技術を概観する内容になったと思います。お役に立てば幸いです。 （著者五十音順です）

■2004-2006年度 研究代表者 杉浦正利「自然言語処理技術を応用した英語学習者の誤用に関する包括的かつ体系的分析」 https://t.co/atvFIrvKfe 「誤り表現の自動抽出プログラム」を開発したと報告しているが，そのようなものは存在しないはず。 https://t.co/HQo5Wm9pOu

@goto_yuta_ 敬語変換は東北大さんのがありますね https://t.co/GS02aFiwwK https://t.co/SwsCKtKa4d

ディズニーでも違法サイトでもOKなのつよい 上野, 情報解析と著作権──「機械学習パラダイス」としての日本, 人工知能 36巻 6 号（2021 年 11 月） https://t.co/xKeQv4PUqF https://t.co/QocVPg8CZu

言語処理学会論文誌で賞をいただいた論文の馴れ初めを寄稿しました。「汎用言語理解」「研究の研究」「文の総称性」など寄り道の旅路を書きました。 記事: https://t.co/FHBOEDcMq2 論文: https://t.co/7J5tHWqy8x

人工知能学会論文誌で、技術開発以外の論文を初めて見た。 欧州AI動向からみる知的対話システムの倫理的リスク https://t.co/7kKZseY5u4

京大加嶋先生et al.のこの強化学習の解説はすばらしい。 https://t.co/jXLQHjFIKh 既存の強化学習の解説の大半は、たぶんゲームとかの応用が頭に入っている人はいいのかもしれないけど、ゲーマーじゃないおれには理解不能だった。こういう風にズバっと問題設定を言ってほしかった。さすが。

因果推論のことを再度勉強してるんですが、基本的な方法から新しい手法まで、どういうことを目的とした手法なのかがまとまっていて、非常に助かっています https://t.co/YK1NJQuRbV

ジャーナルが公開されました Length-constrained Neural Machine Translation using Length Prediction and Perturbation into Length-aware Positional Encoding https://t.co/c6j2motTxV

COLING2020に採択された論文の解説記事を執筆いたしました。 論文執筆に至るまでの経緯を語っているので、興味のある方はぜひご覧ください。 https://t.co/ySUCU39tIS https://t.co/fu1CocgzxP

予測モデルの評価指標に関する日本語総説。 定番の指標に加えて、リスク較正（calibration）とかリスク再分類（NRI）、そしてネットベネフィットも説明されててとてもありがたい https://t.co/3WroZJMtkP

自然言語処理の巻頭言を仰せつかり昨年最後の号に寄稿しました。AI領域におけるOSSの発展は人類に多大な影響を与える存在となりつつあります。皆様もNLP開発者にどうか温かいエールを！ https://t.co/vbAEV1a40S

論文 "Character-to-Word Attention for Word Segmentation"（https://t.co/1i2FXgvvgv）に関して言語処理学会論文賞を頂きました。3/18(木) 16:10頃から招待論文にて、注意機構を用いたニューラル単語分割について、日本語データでの多ドメインの分析結果を紹介します。（発表は日本語です） #NLP2021

異常検出において、「教師あり」vs「教師なし」で「教師なし」が勝った一例。 https://t.co/tFsw7ssmQh コンクリートの打音スペクトル（スペクトログラムではない）で異常個所を見つける研究。「教師あり」が80％強の精度、「教師なし」（オートエンコーダ）は100％の精度に。