ニュースアプリSmartNews(https://www.smartnews.be/)の背景のアルゴリズムについてTokyoWebMining30th(http://tokyowebmining30.eventbrite.com/)で話させていただいた際の資料です。 •SmartNews iphone版: https://itunes.apple.com/jp/app/id579581125 •SmartNews Android版 https://play.google.com/store/apps/details?id=jp.gocro.smartnews.android •SmartNews開発者ブログ http://developer.smartnews.be/blog/Read less
いつもネット上で機械学習やNLPに関する便利そうなツールや，有用なドキュメント，動画，ツールなどをメモしているのですが，今後の調査のためにどこかに一つに集約しておきたいなあ，と思い，この記事に集約しておくことにしました．昨今，自動リンク集や，自動インデックス作成に関して研究が盛んにされていますが，これは人力リンク集です！リンク先はほとんどさらっとしか見ていないので本当に有用かどうか保証できませんが，興味を持ったものは掘り下げて別の記事で紹介したいと思います．おもしろいものを見つけしだい，このエントリーは更新していきたいと思います． ※ 有名どころをカバーしているわけではありません，あくまで気まぐれで追加していきます．．． ※ いくつかカテゴリ間で重複します 解説・読み物系リソース 全般 Statistical Data Mining Tutorials Tutorial Slides by
ワークショップ中の夕食で話したのですが、今のところ日本で（素性関数ベース＆線形識別器）機械学習のいろいろな手法をまとめて体系的に教えてる資料などがあまりないなぁという話をしていました。 で、探すと、このあたりの大部分をまとめて説明しているいいチュートリアル（英語）がありました。 夏の学校資料[pdf] その他のコードやリンク ちょっとだけ解説 現在自然言語処理の多くで使われている学習器は線形識別器です。 入力x（例：単語、文、文書）から出力y（例：品詞、品詞列、文書のトピック）を予測したいという場合は、(x,y)のペアからいろいろな値を取り出し（x,yのペアから値を取り出す関数を素性関数と呼ぶ）、その値を並べたベクトルを素性ベクトルと呼び、f(x,y)とかきます。そして、その素性ベクトルf(x,y)と同じ次元数を持つ重みベクトルwとの内積を測って、その値が正か負か、または大きいか小さいかを
現在、インターネットに代表されるように、膨大なテキストが電子的に蓄積されつつあります。検索をより柔軟に行うためには、テキストの分類が必要です。しかし、人手によるテキスト分類の時間と労力を削減するために、テキストの自動分類技術が渇望されています。本研究では、テキストが帰属するトピックを多重を許容してパソコンで実時間かつ高精度に抽出する技術を考案しました。多重トピックを同時に抽出する技術は世界初で、さらに抽出精度も実際のwebページを用いた実験において従来手法より優れていることを確認しています。 今後はトピックの体系そのものを自動生成する技術を検討する予定です。 多重トピックテキストの確率モデルを世界で始めて考案 モデルのパラメータ学習の最適性を理論保証 トピック抽出はパソコンで実時間で実現可能 アルゴリズムの実装は容易 多重トピックを同時に抽出する技術は世界初 web
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
処理を実行中です
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
