SlideShare ist ein Scribd-Unternehmen logo
1 von 19
Downloaden Sie, um offline zu lesen
8 4 7 2
1 ., 0
• (.00 0 0
• R @
• a (
• I ec
•
• :S 1, 2
. 0.7, )2
•
• 2
• 71 3 R
• 1 3
• 3 17 1 3
•
• I
•
0 . ,
• i : : R I
•
•
• nc a 0
• )
•
• m 6
• 7
•
•
• (
.32/.4, 1
e
R
3 10. 2 ,
• e R 7 t :4 a na
•
• c
• r 4
•
• i c
I I
5
I I v
I I
I
t
• 7 a <
•
• ( ) ( )
• ( )>( )
•
• 7 a
• ( ) ( ) ( )
•
• 6 I I >R
.21 . , 0
•
• e e 2 7
• a
•
•
•
• 2 b e 2 Rc
• Rc7 e 2 I Rc
1 . 0 ,
e
2
/ 2 1 ) ( ))
• R
• I I
• I I 8
• ea
• 7
% 10. 2 ) , (
•
• c
•
• c
• I I
/ ) 2 ( ((
• , c :
• m 1 1 9 7I I :
% . . , 1 (
•
• i , R
• ,
• i R
• 7
• )
• )
• ) 7
• ) 7
• ) c a n
• ( ) 20 e
• ) ))
• ) ) )
• ) )) 7
• p I tro R We
•
• 2 27 .2, WBo i
• dan o Bw
•
•
• 7 .2, g
• 0 B l G .0 ,71K
• c
•
• W hRkB G W hv D k
2 ,
2 27 .2, W
( )
•
• 1
• 0 2
• 7 0 2 I
• 2 0 0 2 R
•
•
•
, .
• I 2 2 R
7
•
• 0
• 1
•
•
, .
2
•
•
• ( r
•
• 7 7
•
• 7 7
• (
• 7 7
2 ),0 ,1 .
R 3 I i
• n
• n
: 3 e c
n
I
a v
t
•
• I e 4 I : 4
•
• c R
• 7
• 2
•
• a
1 ., 0
•
• ( 5 75 I
•
• ( 5 75
•
• : R
10. 2 ) ,
• h p
• n n
• 0. 6 21,. 77. . ,0 7 . 01
• d v 01 d I
• 77. . ,0 7 . )
• Tsm T
• t e Rl r
• o ac i
• g TlT d
. 71.: ( ,
• 6 nc 7 t a r
•
•
•
•
•
• 7
•
• 5R nc 6 r
• 5 : iv e I 7
4 .21 .3, 0
( )
•
• 2
• 71 R
• 8 1
• 17 1
•
• I
•
0 . ,
, .

Weitere ähnliche Inhalte

Was ist angesagt?

競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf
競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf
競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdfcatupper
 
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向SSII
 
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...Deep Learning JP
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろHiroshi Yamashita
 
Deeplearning輪読会
Deeplearning輪読会Deeplearning輪読会
Deeplearning輪読会正志 坪坂
 
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」Hitomi Yanaka
 
混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2
混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2
混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2RHamano
 
[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎Deep Learning JP
 
CNNの可視化手法Grad-CAMの紹介~CNNさん、あなたはどこを見ているの?~ | OHS勉強会#6
CNNの可視化手法Grad-CAMの紹介~CNNさん、あなたはどこを見ているの?~ | OHS勉強会#6CNNの可視化手法Grad-CAMの紹介~CNNさん、あなたはどこを見ているの?~ | OHS勉強会#6
CNNの可視化手法Grad-CAMの紹介~CNNさん、あなたはどこを見ているの?~ | OHS勉強会#6Toshinori Hanya
 
第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知Tetsuma Tada
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII
 
強化学習その2
強化学習その2強化学習その2
強化学習その2nishio
 
【論文紹介】 Attention Based Spatial-Temporal Graph Convolutional Networks for Traf...
【論文紹介】 Attention Based Spatial-Temporal Graph Convolutional Networks for Traf...【論文紹介】 Attention Based Spatial-Temporal Graph Convolutional Networks for Traf...
【論文紹介】 Attention Based Spatial-Temporal Graph Convolutional Networks for Traf...ddnpaa
 
[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況Deep Learning JP
 
【DL輪読会】Representational Continuity for Unsupervised Continual Learning ( ICLR...
【DL輪読会】Representational Continuity for Unsupervised Continual Learning ( ICLR...【DL輪読会】Representational Continuity for Unsupervised Continual Learning ( ICLR...
【DL輪読会】Representational Continuity for Unsupervised Continual Learning ( ICLR...Deep Learning JP
 
効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)cvpaper. challenge
 
Googleの新しい検索技術 Knowledge Graphについて
Googleの新しい検索技術 Knowledge GraphについてGoogleの新しい検索技術 Knowledge Graphについて
Googleの新しい検索技術 Knowledge Graphについてmaruyama097
 
[DL輪読会]モデルベース強化学習とEnergy Based Model
[DL輪読会]モデルベース強化学習とEnergy Based Model[DL輪読会]モデルベース強化学習とEnergy Based Model
[DL輪読会]モデルベース強化学習とEnergy Based ModelDeep Learning JP
 

Was ist angesagt? (20)

競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf
競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf
競プロは社会の役に立たない+ベンチャー企業の話 (NPCA夏合宿OB講演).pdf
 
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
 
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろ
 
Deeplearning輪読会
Deeplearning輪読会Deeplearning輪読会
Deeplearning輪読会
 
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
 
混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2
混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2
混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2
 
BERT入門
BERT入門BERT入門
BERT入門
 
[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎
 
CNNの可視化手法Grad-CAMの紹介~CNNさん、あなたはどこを見ているの?~ | OHS勉強会#6
CNNの可視化手法Grad-CAMの紹介~CNNさん、あなたはどこを見ているの?~ | OHS勉強会#6CNNの可視化手法Grad-CAMの紹介~CNNさん、あなたはどこを見ているの?~ | OHS勉強会#6
CNNの可視化手法Grad-CAMの紹介~CNNさん、あなたはどこを見ているの?~ | OHS勉強会#6
 
第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
 
強化学習その2
強化学習その2強化学習その2
強化学習その2
 
【論文紹介】 Attention Based Spatial-Temporal Graph Convolutional Networks for Traf...
【論文紹介】 Attention Based Spatial-Temporal Graph Convolutional Networks for Traf...【論文紹介】 Attention Based Spatial-Temporal Graph Convolutional Networks for Traf...
【論文紹介】 Attention Based Spatial-Temporal Graph Convolutional Networks for Traf...
 
[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況
 
深層強化学習と実装例
深層強化学習と実装例深層強化学習と実装例
深層強化学習と実装例
 
【DL輪読会】Representational Continuity for Unsupervised Continual Learning ( ICLR...
【DL輪読会】Representational Continuity for Unsupervised Continual Learning ( ICLR...【DL輪読会】Representational Continuity for Unsupervised Continual Learning ( ICLR...
【DL輪読会】Representational Continuity for Unsupervised Continual Learning ( ICLR...
 
効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)効率的学習 / Efficient Training(メタサーベイ)
効率的学習 / Efficient Training(メタサーベイ)
 
Googleの新しい検索技術 Knowledge Graphについて
Googleの新しい検索技術 Knowledge GraphについてGoogleの新しい検索技術 Knowledge Graphについて
Googleの新しい検索技術 Knowledge Graphについて
 
[DL輪読会]モデルベース強化学習とEnergy Based Model
[DL輪読会]モデルベース強化学習とEnergy Based Model[DL輪読会]モデルベース強化学習とEnergy Based Model
[DL輪読会]モデルベース強化学習とEnergy Based Model
 

Ähnlich wie 自然言語処理勉強会11章 情報抽出と知識獲得

キートップのノベルティを作った話
キートップのノベルティを作った話キートップのノベルティを作った話
キートップのノベルティを作った話Retrieva inc.
 
キートップのノベルティを作ってみた話
キートップのノベルティを作ってみた話キートップのノベルティを作ってみた話
キートップのノベルティを作ってみた話Retrieva inc.
 
音声認識入門(前編)
音声認識入門(前編)音声認識入門(前編)
音声認識入門(前編)Retrieva inc.
 
쉽게 시작하고, 비용을 줄여가는 SaaS 서비스 방법 (김형섭 CTO, 플레이오토) :: AWS TechShift 2018
쉽게 시작하고, 비용을 줄여가는 SaaS 서비스 방법 (김형섭 CTO,  플레이오토) :: AWS TechShift 2018쉽게 시작하고, 비용을 줄여가는 SaaS 서비스 방법 (김형섭 CTO,  플레이오토) :: AWS TechShift 2018
쉽게 시작하고, 비용을 줄여가는 SaaS 서비스 방법 (김형섭 CTO, 플레이오토) :: AWS TechShift 2018Amazon Web Services Korea
 
しろばこいろいろ
しろばこいろいろしろばこいろいろ
しろばこいろいろKato Ryosuke
 
ゼロから始める機械学習 シーズン2 機械学習と意思決定
ゼロから始める機械学習 シーズン2 機械学習と意思決定ゼロから始める機械学習 シーズン2 機械学習と意思決定
ゼロから始める機械学習 シーズン2 機械学習と意思決定Kenshi Toritani
 
[DL Hacks]Modeling Relational Data with Graph Convolutional Networks
[DL Hacks]Modeling Relational Data with Graph Convolutional Networks[DL Hacks]Modeling Relational Data with Graph Convolutional Networks
[DL Hacks]Modeling Relational Data with Graph Convolutional NetworksDeep Learning JP
 
20200507 QUMトーーク!20年代のニッポンを勝手に占っちゃいます!これから伸びる産業、縮む産業! Vol.3
20200507 QUMトーーク!20年代のニッポンを勝手に占っちゃいます!これから伸びる産業、縮む産業! Vol.320200507 QUMトーーク!20年代のニッポンを勝手に占っちゃいます!これから伸びる産業、縮む産業! Vol.3
20200507 QUMトーーク!20年代のニッポンを勝手に占っちゃいます!これから伸びる産業、縮む産業! Vol.3filament_inc
 
ゼロから始める機械学習 ディープラーニング超概要
ゼロから始める機械学習 ディープラーニング超概要ゼロから始める機械学習 ディープラーニング超概要
ゼロから始める機械学習 ディープラーニング超概要Kenshi Toritani
 
Summary of the state of Java that will affect Scala-ers
Summary of the state of Java that will affect Scala-ersSummary of the state of Java that will affect Scala-ers
Summary of the state of Java that will affect Scala-ersLINE Corporation
 
カメラキャリブレーション
カメラキャリブレーションカメラキャリブレーション
カメラキャリブレーションKento Doi
 
退院時アウトカム予測における機械学習の応用 [JARM第2回秋季学術集会]
退院時アウトカム予測における機械学習の応用 [JARM第2回秋季学術集会]退院時アウトカム予測における機械学習の応用 [JARM第2回秋季学術集会]
退院時アウトカム予測における機械学習の応用 [JARM第2回秋季学術集会]YamaKo @rehabit
 
20190317 prml ch2 probability Distribution
20190317 prml ch2 probability Distribution20190317 prml ch2 probability Distribution
20190317 prml ch2 probability DistributionYoichi Tokita
 
Let's do Inverse RL
Let's do Inverse RLLet's do Inverse RL
Let's do Inverse RLDongmin Lee
 
(最新版はコメント欄のリンク参照ください) ゼロから始める機械学習 シーズン1 〜ディープラーニング超概要〜 
(最新版はコメント欄のリンク参照ください) ゼロから始める機械学習 シーズン1 〜ディープラーニング超概要〜 (最新版はコメント欄のリンク参照ください) ゼロから始める機械学習 シーズン1 〜ディープラーニング超概要〜 
(最新版はコメント欄のリンク参照ください) ゼロから始める機械学習 シーズン1 〜ディープラーニング超概要〜 Kenshi Toritani
 
(最新版はコメント欄のリンク参照ください) ゼロから始める機学習 シーズン1~ディープラーニング超概要編~
(最新版はコメント欄のリンク参照ください) ゼロから始める機学習 シーズン1~ディープラーニング超概要編~(最新版はコメント欄のリンク参照ください) ゼロから始める機学習 シーズン1~ディープラーニング超概要編~
(最新版はコメント欄のリンク参照ください) ゼロから始める機学習 シーズン1~ディープラーニング超概要編~Kenshi Toritani
 
「1億総デザイン社会」へ:自分らしくを、アタリマエに。
「1億総デザイン社会」へ:自分らしくを、アタリマエに。「1億総デザイン社会」へ:自分らしくを、アタリマエに。
「1億総デザイン社会」へ:自分らしくを、アタリマエに。Hideaki Sone
 
ボール保持力・奪取力マップから見るロシアW杯2018
ボール保持力・奪取力マップから見るロシアW杯2018ボール保持力・奪取力マップから見るロシアW杯2018
ボール保持力・奪取力マップから見るロシアW杯2018SaeruYamamuro
 

Ähnlich wie 自然言語処理勉強会11章 情報抽出と知識獲得 (20)

キートップのノベルティを作った話
キートップのノベルティを作った話キートップのノベルティを作った話
キートップのノベルティを作った話
 
キートップのノベルティを作ってみた話
キートップのノベルティを作ってみた話キートップのノベルティを作ってみた話
キートップのノベルティを作ってみた話
 
音声認識入門(前編)
音声認識入門(前編)音声認識入門(前編)
音声認識入門(前編)
 
Style-GAN
Style-GANStyle-GAN
Style-GAN
 
쉽게 시작하고, 비용을 줄여가는 SaaS 서비스 방법 (김형섭 CTO, 플레이오토) :: AWS TechShift 2018
쉽게 시작하고, 비용을 줄여가는 SaaS 서비스 방법 (김형섭 CTO,  플레이오토) :: AWS TechShift 2018쉽게 시작하고, 비용을 줄여가는 SaaS 서비스 방법 (김형섭 CTO,  플레이오토) :: AWS TechShift 2018
쉽게 시작하고, 비용을 줄여가는 SaaS 서비스 방법 (김형섭 CTO, 플레이오토) :: AWS TechShift 2018
 
しろばこいろいろ
しろばこいろいろしろばこいろいろ
しろばこいろいろ
 
ゼロから始める機械学習 シーズン2 機械学習と意思決定
ゼロから始める機械学習 シーズン2 機械学習と意思決定ゼロから始める機械学習 シーズン2 機械学習と意思決定
ゼロから始める機械学習 シーズン2 機械学習と意思決定
 
[DL Hacks]Modeling Relational Data with Graph Convolutional Networks
[DL Hacks]Modeling Relational Data with Graph Convolutional Networks[DL Hacks]Modeling Relational Data with Graph Convolutional Networks
[DL Hacks]Modeling Relational Data with Graph Convolutional Networks
 
20200507 QUMトーーク!20年代のニッポンを勝手に占っちゃいます!これから伸びる産業、縮む産業! Vol.3
20200507 QUMトーーク!20年代のニッポンを勝手に占っちゃいます!これから伸びる産業、縮む産業! Vol.320200507 QUMトーーク!20年代のニッポンを勝手に占っちゃいます!これから伸びる産業、縮む産業! Vol.3
20200507 QUMトーーク!20年代のニッポンを勝手に占っちゃいます!これから伸びる産業、縮む産業! Vol.3
 
ゼロから始める機械学習 ディープラーニング超概要
ゼロから始める機械学習 ディープラーニング超概要ゼロから始める機械学習 ディープラーニング超概要
ゼロから始める機械学習 ディープラーニング超概要
 
Summary of the state of Java that will affect Scala-ers
Summary of the state of Java that will affect Scala-ersSummary of the state of Java that will affect Scala-ers
Summary of the state of Java that will affect Scala-ers
 
カメラキャリブレーション
カメラキャリブレーションカメラキャリブレーション
カメラキャリブレーション
 
退院時アウトカム予測における機械学習の応用 [JARM第2回秋季学術集会]
退院時アウトカム予測における機械学習の応用 [JARM第2回秋季学術集会]退院時アウトカム予測における機械学習の応用 [JARM第2回秋季学術集会]
退院時アウトカム予測における機械学習の応用 [JARM第2回秋季学術集会]
 
20190317 prml ch2 probability Distribution
20190317 prml ch2 probability Distribution20190317 prml ch2 probability Distribution
20190317 prml ch2 probability Distribution
 
Let's do Inverse RL
Let's do Inverse RLLet's do Inverse RL
Let's do Inverse RL
 
(最新版はコメント欄のリンク参照ください) ゼロから始める機械学習 シーズン1 〜ディープラーニング超概要〜 
(最新版はコメント欄のリンク参照ください) ゼロから始める機械学習 シーズン1 〜ディープラーニング超概要〜 (最新版はコメント欄のリンク参照ください) ゼロから始める機械学習 シーズン1 〜ディープラーニング超概要〜 
(最新版はコメント欄のリンク参照ください) ゼロから始める機械学習 シーズン1 〜ディープラーニング超概要〜 
 
(最新版はコメント欄のリンク参照ください) ゼロから始める機学習 シーズン1~ディープラーニング超概要編~
(最新版はコメント欄のリンク参照ください) ゼロから始める機学習 シーズン1~ディープラーニング超概要編~(最新版はコメント欄のリンク参照ください) ゼロから始める機学習 シーズン1~ディープラーニング超概要編~
(最新版はコメント欄のリンク参照ください) ゼロから始める機学習 シーズン1~ディープラーニング超概要編~
 
「1億総デザイン社会」へ:自分らしくを、アタリマエに。
「1億総デザイン社会」へ:自分らしくを、アタリマエに。「1億総デザイン社会」へ:自分らしくを、アタリマエに。
「1億総デザイン社会」へ:自分らしくを、アタリマエに。
 
ボール保持力・奪取力マップから見るロシアW杯2018
ボール保持力・奪取力マップから見るロシアW杯2018ボール保持力・奪取力マップから見るロシアW杯2018
ボール保持力・奪取力マップから見るロシアW杯2018
 
Eclipse con france 2018 report
Eclipse con france 2018 reportEclipse con france 2018 report
Eclipse con france 2018 report
 

Mehr von Retrieva inc.

コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜Retrieva inc.
 
自然言語処理シリーズ9 構文解析 3.6-3.8節
自然言語処理シリーズ9 構文解析 3.6-3.8節自然言語処理シリーズ9 構文解析 3.6-3.8節
自然言語処理シリーズ9 構文解析 3.6-3.8節Retrieva inc.
 
Linuxカーネルを読んで改めて知るプロセスとスレッドの違い
Linuxカーネルを読んで改めて知るプロセスとスレッドの違いLinuxカーネルを読んで改めて知るプロセスとスレッドの違い
Linuxカーネルを読んで改めて知るプロセスとスレッドの違いRetrieva inc.
 
IP電話交換機ソフト Asterisk について
IP電話交換機ソフト Asterisk についてIP電話交換機ソフト Asterisk について
IP電話交換機ソフト Asterisk についてRetrieva inc.
 
論理的思考で読解力を培う
論理的思考で読解力を培う論理的思考で読解力を培う
論理的思考で読解力を培うRetrieva inc.
 
放送大学テキスト「自然言語処理」 6章 意味の解析(1)
放送大学テキスト「自然言語処理」 6章 意味の解析(1)放送大学テキスト「自然言語処理」 6章 意味の解析(1)
放送大学テキスト「自然言語処理」 6章 意味の解析(1)Retrieva inc.
 
キーボード自作のススメ
キーボード自作のススメキーボード自作のススメ
キーボード自作のススメRetrieva inc.
 
レトリバのキートップ説明書
レトリバのキートップ説明書レトリバのキートップ説明書
レトリバのキートップ説明書Retrieva inc.
 
ブースティング入門
ブースティング入門ブースティング入門
ブースティング入門Retrieva inc.
 
情報検索の基礎
情報検索の基礎情報検索の基礎
情報検索の基礎Retrieva inc.
 
Chainer の Trainer 解説と NStepLSTM について
Chainer の Trainer 解説と NStepLSTM についてChainer の Trainer 解説と NStepLSTM について
Chainer の Trainer 解説と NStepLSTM についてRetrieva inc.
 
ChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なことChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なことRetrieva inc.
 
20170221 cnet live講演資料
20170221 cnet live講演資料20170221 cnet live講演資料
20170221 cnet live講演資料Retrieva inc.
 
Making Google Cardboard and Laser Cutter
Making Google Cardboard and Laser CutterMaking Google Cardboard and Laser Cutter
Making Google Cardboard and Laser CutterRetrieva inc.
 
Chainerで学ぶdeep learning
Chainerで学ぶdeep learningChainerで学ぶdeep learning
Chainerで学ぶdeep learningRetrieva inc.
 

Mehr von Retrieva inc. (15)

コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
 
自然言語処理シリーズ9 構文解析 3.6-3.8節
自然言語処理シリーズ9 構文解析 3.6-3.8節自然言語処理シリーズ9 構文解析 3.6-3.8節
自然言語処理シリーズ9 構文解析 3.6-3.8節
 
Linuxカーネルを読んで改めて知るプロセスとスレッドの違い
Linuxカーネルを読んで改めて知るプロセスとスレッドの違いLinuxカーネルを読んで改めて知るプロセスとスレッドの違い
Linuxカーネルを読んで改めて知るプロセスとスレッドの違い
 
IP電話交換機ソフト Asterisk について
IP電話交換機ソフト Asterisk についてIP電話交換機ソフト Asterisk について
IP電話交換機ソフト Asterisk について
 
論理的思考で読解力を培う
論理的思考で読解力を培う論理的思考で読解力を培う
論理的思考で読解力を培う
 
放送大学テキスト「自然言語処理」 6章 意味の解析(1)
放送大学テキスト「自然言語処理」 6章 意味の解析(1)放送大学テキスト「自然言語処理」 6章 意味の解析(1)
放送大学テキスト「自然言語処理」 6章 意味の解析(1)
 
キーボード自作のススメ
キーボード自作のススメキーボード自作のススメ
キーボード自作のススメ
 
レトリバのキートップ説明書
レトリバのキートップ説明書レトリバのキートップ説明書
レトリバのキートップ説明書
 
ブースティング入門
ブースティング入門ブースティング入門
ブースティング入門
 
情報検索の基礎
情報検索の基礎情報検索の基礎
情報検索の基礎
 
Chainer の Trainer 解説と NStepLSTM について
Chainer の Trainer 解説と NStepLSTM についてChainer の Trainer 解説と NStepLSTM について
Chainer の Trainer 解説と NStepLSTM について
 
ChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なことChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なこと
 
20170221 cnet live講演資料
20170221 cnet live講演資料20170221 cnet live講演資料
20170221 cnet live講演資料
 
Making Google Cardboard and Laser Cutter
Making Google Cardboard and Laser CutterMaking Google Cardboard and Laser Cutter
Making Google Cardboard and Laser Cutter
 
Chainerで学ぶdeep learning
Chainerで学ぶdeep learningChainerで学ぶdeep learning
Chainerで学ぶdeep learning
 

自然言語処理勉強会11章 情報抽出と知識獲得

  • 1. 8 4 7 2 1 ., 0
  • 2. • (.00 0 0 • R @ • a ( • I ec • • :S 1, 2 . 0.7, )2
  • 3. • • 2 • 71 3 R • 1 3 • 3 17 1 3 • • I • 0 . ,
  • 4. • i : : R I • • • nc a 0 • ) • • m 6 • 7 • • • ( .32/.4, 1 e R
  • 5. 3 10. 2 , • e R 7 t :4 a na • • c • r 4 • • i c I I 5 I I v I I I t
  • 6. • 7 a < • • ( ) ( ) • ( )>( ) • • 7 a • ( ) ( ) ( ) • • 6 I I >R .21 . , 0
  • 7. • • e e 2 7 • a • • • • 2 b e 2 Rc • Rc7 e 2 I Rc 1 . 0 , e 2
  • 8. / 2 1 ) ( )) • R • I I • I I 8 • ea • 7 % 10. 2 ) , ( • • c • • c • I I
  • 9. / ) 2 ( (( • , c : • m 1 1 9 7I I : % . . , 1 ( • • i , R • , • i R • 7 • ) • ) • ) 7 • ) 7 • ) c a n • ( ) 20 e • ) )) • ) ) ) • ) )) 7
  • 10. • p I tro R We • • 2 27 .2, WBo i • dan o Bw • • • 7 .2, g • 0 B l G .0 ,71K • c • • W hRkB G W hv D k 2 , 2 27 .2, W
  • 11. ( ) • • 1 • 0 2 • 7 0 2 I • 2 0 0 2 R • • • , .
  • 12. • I 2 2 R 7 • • 0 • 1 • • , . 2
  • 13. • • • ( r • • 7 7 • • 7 7 • ( • 7 7 2 ),0 ,1 . R 3 I i • n • n : 3 e c n I a v t
  • 14. • • I e 4 I : 4 • • c R • 7 • 2 • • a 1 ., 0
  • 15. • • ( 5 75 I • • ( 5 75 • • : R 10. 2 ) ,
  • 16. • h p • n n • 0. 6 21,. 77. . ,0 7 . 01 • d v 01 d I • 77. . ,0 7 . ) • Tsm T • t e Rl r • o ac i • g TlT d . 71.: ( ,
  • 17. • 6 nc 7 t a r • • • • • • 7 • • 5R nc 6 r • 5 : iv e I 7 4 .21 .3, 0
  • 18. ( ) • • 2 • 71 R • 8 1 • 17 1 • • I • 0 . ,
  • 19. , .