プロフィール マルコ フリーライター／BL研究家やってます。お仕事のご依頼、ネタのタレコミはメール、またはtwitterあてにお気軽に。お仕事について詳しくはこちら。 メールアドレスはma-cafe@hotmail.co.jp 書いている人のことがなんとなくわかる記事↓ 生きていく上でまったく知る必要のないボーイズラブの最新事情まとめ ダニに噛まれたと思っていた脇腹の傷が、とんでもない病気だった話 テニスの王子様は18年でどれだけインフレしたのか 【2008年6月13日】 散財.comのツンデレ機能が無駄にすごい SNS（ソーシャルネットワーキングサービス）。 mixiの成功に続けとばかりに、たくさんのSNSが生み出されてきましたが、だいたいのSNSは独自性を打ち出すことに苦戦しているような状況です。 そんな中、mixiにはない機能で僕が注目しているのが「散財.com」。 何かというと、家
自然言語に関するtorutoのブックマーク (56)
-
toruto 2008/06/14
-
-
重要文抽出、自由作成要約に対応した新聞記事要約システムYELLOW
Vol. 43 No. SIG 2(TOD 13) 情報処理学会論文誌：データベース Mar. 2002 重要文抽出，自由作成要約に対応した 新聞記事要約システム YELLOW 大 児 竹 玉 清 敬† 充†† 岡 増 本 山 大 吾†† 繁†† 日本語の新聞記事を対象とした新聞記事要約システム YELLOW について報告する．YELLOW は， 重要な情報を洩れなく抽出する」ことに重点をおいて作成した．本システムは，二重修飾に着 「 目した削除を中心とした文内要約と，重要度付与による文選択の 2 つの部分より構成される．文内 要約では，構文解析結果を積極的に利用する．ある名詞に対し，複数の修飾部がある場合，名詞を限 定する働きが弱い修飾部を削除する新たな手法を提案する．また，換言処理，例示の削除など の要 約手法も用いる．重要度付与では，主要語，高頻度の名詞，位置情報，見解文
-
-
-
-
-
-
マルコフ連鎖による文章生成 blog.nomadscafe.jp
マルコフ連鎖による文章生成 あたまがうにになるさんの「人工無能を作ろう」を読んで試してみた。 antipopさんのマルコフ連鎖による文章の自動生成もわかりやすい。 マルコフ連鎖とはantipopさんの記事にありますが 文章を、複数語からなるプレフィクス(接頭語句)と、プレフィクスに続く1語のサフィックス(接尾語)に分割します。そしてオリジナルのテキストの統計に基づいてプレフィクスの後ろにくるサフィックスをランダムに選び、文章を出力するというもの 実際作ってみると理解できます。んで、できたのが、以下 ■マルコフ連鎖による文章生成 デフォルトの文章を吉野家コピペにしてあります。 そんな事より1よ、ちょいと聞いてくれよ。 Uの字テーブルの向かいに座った奴といつ喧嘩が始まってもおかしくない、刺すか刺されるか、そんな雰囲気がいいんじゃねーよ、150円。 なんか親子連れとかもいるし。一家4人で吉野家か
-
エブログ マルコフ連鎖で文章生成（JavaScript）
マルコフ連鎖で文章生成（JavaScript） マルコフ連鎖による文章生成。マルコフ連鎖と言っていいのかあまり自信はないのだが、とりあえず文章を作ってはいる感じ。 テキストエリアに入力された文章を解析して、その中の単語を使って、自動生成します。文章生成ボタンを何度か押すと文章が変わっていくと思います。 意味不明であったり、そのままの文、同じ文が続けて出たりはしてしまいますが。 メロスは激怒した。必ず、かの邪智暴虐（じゃちぼうぎゃく）の王を除かなければならぬと決意した。メロスには政治がわからぬ。メロスは、村の牧人である。笛を吹き、羊と遊んで暮して来た。けれども邪悪に対しては、人一倍に敏感であった。きょう未明メロスは村を出発し、野を越え山越え、十里はなれた此（こ）のシラクスの市にやって来た。 ここに文章が作成されます。 posted by knit at 19:45 | Comment(9)
-
-
学習ブロック入門編
next:計画ブロック入門編 >> Next Session:人工無脳の条件 人工無脳はチャットの内容を記憶し、それを再構成することで会話を行なうふりをする。近年では自分が属しているチャットだけでなく、ニュースサイトのテキストなども収集して学習する人工無脳も多い11こうさぎ、酢鶏など。チャットやRSSから得られた文字列を必要な形式で記憶することが学習ブロックの目的である。人工無脳の学習アルゴリズムは文の再構成アルゴリズムと一体になっている場合が多いのだが、あえて切り離して議論することで組み合わせの自由などを考えることができるようになる。そこで、ここでは学習、すなわち入力文字列を記憶に変換するアルゴリズムについてのみ考えよう。 マルコフ連鎖 以前から注目されているアルゴリズムに、C. Shannonによって1948年に発案されたマルコフ連鎖によるテキスト生成(Markov text gene
-
-
untitled
DEWS2005 4-B-08 Google を活用した英作文支援システムの構築 大鹿 広憲y 佐藤 学y 安藤 進yy 山名 早人yyy y 早稲田大学理工学研究科 yyy 早稲田大学理工学術院 y,yyy 〒 169-8555 東京都新宿区大久保 3-4-1 yy 翻訳者 yfsika,manavyg@yama.info.waseda.ac.jp, yysando@inter.net, yyyyamana@waseda.jp E-mail: あらまし 近年、英語の必要性はますます高くなってきており、それに伴い Web 上の翻訳システムも多く開発されて きている。しかし 、機械翻訳では直訳や単語の適合性および文脈の関係などから適切な英作文が行えないという問題 がある。これに対し 、より適切な英作文を行う方法として、検索エンジンを使った方法がある。フレーズ検索をはじ めとした様々
-
-
-
固有表現抽出 - Wikipedia
出典は列挙するだけでなく、脚注などを用いてどの記述の情報源であるかを明記してください。 記事の信頼性向上にご協力をお願いいたします。（2024年6月） 固有表現抽出（こゆうひょうげんちゅうしゅつ、英語: named entity recognition、named entity identification、named entity chunking、named entity extraction）とは、計算機を用いた自然言語処理技術の一つであり、情報抽出の一分野である。文中から固有表現 (Named Entity) を抽出し、それを固有名詞（人名、組織名、地名など）や日付、時間表現、数量、金額、パーセンテージなどのあらかじめ定義された固有表現分類へと分類する。 新聞記事など現実世界に存在するテキストには大量の固有表現 (Named Entity) が含まれている。形態素解析などを行なう際
-
-
テキストの多重トピック抽出技術｜NTT
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
-
公式Twitter
- @HatenaBookmark
リリース、障害情報などのサービスのお知らせ
- @hatebu
最新の人気エントリーの配信
キーボードショートカット一覧
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
Copyright © 2005-2024 Hatena. All Rights Reserved.
設定を変更しました