テキストからの評判分析と 機械学習
|
|
|
- ゆき あざみ
- 5 years ago
- Views:
Transcription
1 テキストからの評判分析と 機械学習 鍜治伸裕 東京大学生産技術研究所
2 講演の前に 想定している聴衆 評判分析について専門的なことを知らない 機械学習 (ML) の素養を持っている 講演の内容 評判分析という分野の解説 評判分析における ML の適用事例の紹介 お断り 自然言語処理 (NLP) の話に特化 ML を使っている論文を私の好みで選んで紹介
3 評判分析を概観する
4 評判分析はこんな技術 例 : Yahoo! ブログ検索における VAIO の検索結果 肯定的な書き込みと否定的な書き込みを分類して提示 肯定的評判と否定的評判の書き込み数を集計して表示
5 背景 : CGM の出現 CGM Consumer Generated Media のこと 例えば Amazon に投稿されたレビューやブログなど 一般人が作成, 発信するコンテンツである点がポイント 人々の 生の声 を拾える可能性 購買行動の決定支援 or 企業におけるマーケティング e.g., VAIO の type P が気になるんだけど, 使いやすいの? 世論の集約と分析 e.g., 給付金ってみんなどう考えてるの?
6 NLP 的に見ると CGM の出現に伴い, 新しい解析技術が必要になった テキスト中の評判や意見などを把握 斬新な問題に見える 論文書けそう 従来は, テキスト中の客観的事実が興味の対象 e.g., イベント抽出, 固有表現認識 etc. それと比較すると, 評判とは極めて主観的内容 しかも応用先はかなりはっきりしている
7 大きな流れ 1990 年代 形容詞の肯定 / 否定分類 (Hatzivassiloglou and McKeown, 1997) e.g., adequate 肯定的, troublesome 否定的 2000 年代 レビュー文書の肯定 / 否定分類 (Turney, 2002; Pang et al., 2002) これ以降, 評判分析が爆発的に流行 評判分析を専門に扱う国際ワークショップ e.g., AAAI spring symposium 2004, ACL workshop 2006 タスクが複雑化, 詳細化しながら現在にいたる
8 ML が使われる局面 (1/2) 1. 評判情報を観点とした文書分類 評判が記述された文書 ( レビューなど ) 肯定 or 否定 2. 属性 (aspect) に着目した評判要約 or 抽出 レビュー集合 あるレストランの評判の要約例 (Titov and McDonald, 2008) Aspect Score Mention Food Best fish in the city, Excellent appetizer Decor Cozy with an old world feel, Too dark Service Our waitress was rude, Awful service
9 ML が使われる局面 (2/2) 3. 辞書の自動構築 おいしい 肯定ダメだ 否定不安が大きい 否定不安なし 肯定期待が大きい 肯定 著者 (= 評判の発信者 ) のプロファイリング 男? 女?
10 1. 評判情報を観点とした文書分類
11 背景 ( 一部繰り返し ) CGM の出現により, 評判が書かれたテキストが増加 例えば Amazon に投稿されたレビューやブログ 当時 (2000 年ごろ ) の検索エンジン 評判検索なんてない! Akumal に旅行する人が Akumal travel review で検索しても (Turney, 2002) 誰かが考えたこと 文書を肯定 / 否定に応じて分類できると役立つのでは?
12 ML が適用された初の事例 (Pang et al., 2002) データ WWW 上の映画レビュー (Internet Movie Database, IMDb) すでに肯定 / 否定のタグがついている 手法 単語の出現を 2 値素性 (Bag-of-words, BOW 素性 ) ただし否定タグを導入 (.not good. NOT_good) ナイーブベイズ, 対数線形モデル,SVMs を適用 結果 SVMs が最も良く 82.9% の分類精度
13 インパクト大 斬新だった点 評判情報を観点とした文書分類 という問題提起 肯定 / 否定の 2 値分類として定式化 + ML の適用 訓練 / 評価事例をレビューサイトから収集 評判分析の流行の火付け役の一人 もう一人は (Turney, 2002) 引用数は 524 と 504 (by Google Scholar)
14 (Pang et al., 2002) 以降 A) 分類カテゴリの詳細化 B) 評判箇所の検出 C) 肯否定が混在する文書の扱い
15 A) 分類カテゴリの詳細化 肯定 / 否定より細かい粒度の分類 2 値分類 (Pang et al., 2002) の素直な拡張 問題設定 肯定 / 否定 / 中立の 3 値分類 (Koppel and Scheler, 2006) 4 or 5 段階のスコア付け (Pang and Lee, 2005; Okanohara and Tsujii, 2007) 新しい設定に適したアルゴリズム SVR (Vapnik, 1995; Smola and Scholkopf, 1998) Metric labeling (Kleinberg and Tardos, 2002)
16 分類 VS. 回帰 実験例 (Okanohara and Tsujii, 2007) 本のレビューを 5 段階でスコア付け Mean square error で評価 Method Mean square error(corpus A, corpus B) Pairwise SVM SVR 改善が見られる
17 B) 評判箇所の検出 客観的事実の記述 ( レビューの場合, 主に本や映画のあらすじ ) Harry Potter ( 本 ) のレビューの例 (Okanohara and Tsujii, 2007) It is a fantasy fairytale, sometimes linked to Cinderella, about a young orphaned boy transported into a world of magic and sorcery. Harry Potter finds himself at a school for wizards, where his reputation precedes him, and soon becomes embroiled in a classic battle of a good versus evil.. The pages shimmer with creativity, and although an easy read for adults, I would recommend it heartily to anyone that enjoys escaping the real world for an hour or three. 主観的な記述 (= 評判 )
18 段階的処理 客観 + 主観主観のみ (Pang et al., 2002) 文 1 文 2 文 3 文 4 文 1 文 4 肯定 or 否定 主観 / 客観の2 値分類 BOW 素性 + ナイーブベイズ or SVMs etc. 客観的事実のexample 本, 映画のあらすじ, 新聞記事
19 ひと工夫 近接性の利用 (Pang and Lee, 2004) 近くに出現する 2 文の主観 / 客観は一致しやすい モデルの イメージ 確率モデルを作っているわけではない 主 / 客主 / 客主 / 客 主 / 客主 / 客主 / 客 文 1 文 2 文 3 Before 文 1 文 2 文 3 After
20 コスト最小化 以下の式を最小化するように主観 / 客観を決定 x subj cost subj ( x) x obj cost obj ( x) x1 subj x obj 2 prox( x 1, x 2 ) 文 x を主観 / 客観と判定するコスト 文 x1 と x2 の客観 / 主観が異なると判定するコスト コスト関数の設計 cost subj (x) 文単位で学習した学習器のコスト prox(x 1, x 2 ) 文の近さ
21 Min-Cut 文 1 を主観と判断したときのコスト 0.8 文 文 1 と文 3 の主観 / 客観が異なると判断したときのコスト 主観 0.5 文 客観 文 Min-cut = コスト最小の割り当て
22 実験結果 + 評判検出 (w/ Min-cut) 分類精度 + 評判検出 ( w/o Min-cut) ベースライン (Pang and Lee, 2004) の図より抜粋 評判と判断された文の割合
23 C) 肯否定が混在する文書の扱い 文書とは別に, 文ごとにも肯定と否定を推定したい This is the first Mp3 player that I have used I thought it sounded great After only a few weeks, it started having trouble with the earphone connection I won t be buying another. 文書レベルの肯定 / 否定が有効な手掛かり My 11 year old daughter has also been using it and it is a lot harder than it looks. 実は fitness 器具に関する記述なので hard なのは良いこと
24 McDonald s Joint Model (1/2) 文書全体 (= 文の列 ) の肯定 / 否定ラベル 文の肯定 / 否定 / 中立ラベル 文 (BOW) 隣接する文の間にエッジがある文と文書の間にもエッジがある Viterbi algorithm で最適なラベルを求める Online-large margin training (MIRA)
25 McDonald s Joint Model (2/2) 実験結果 3 つのドメインのレビュー (Car, Fit, Mp3) 各文の肯定 / 否定 / 中立を判定 ベースラインとの比較により有効性を検証 Car Fit Mp3 Total Sentence model Cascaded model Joint model (McDonald et al., 2007) から抜粋
26 評判情報にもとづく文書分類 : まとめ ML との相性が良い 基本的には単純な分類問題 4 or 5 段階のスコア付けになると回帰問題 文書構造の重要性 主観 / 客観, 肯定 / 否定 / 中立などのカテゴリが混在 かといって,multi-label classification でもない ( 精緻な素性 ) 否定表現の扱い モダリティの扱い 句の扱い (Kudo and Matsumoto, 2004)
27 2. 属性に着目した評判要約
28 分類から要約へ 分類だけでは不十分 どのみち, たくさんのレビューを読まないといけない そもそも肯否定は多くのレビューのメタデータに 情報の整理が必要 コンパクトな レポート みたいなものが欲しい 肯定的なレビュー 否定的なレビュー 整理された評判情報
29 評判要約 特定製品に関する評判情報を構造化 いわゆる情報抽出に近く, 評判抽出とも言われる 1 つの例 (Titov and McDonald, 2008) 属性 (aspect) ごとに評判をまとめるのが主流 レストランのレビュー あるレストランに関する評判の要約 Aspect Score Mention Food Best fish in the city, Excellent appetizer Decor Cozy with an old world feel, Too dark Service Our waitress was rude, Awful service
30 評判の要約に関する研究 Rule (Nasukawa and Yi, 2003; Kanayama et al., 2004) Pattern mining (Hu and Liu, 2004; Liu et al., 2005) Clustering + visualization (Gamon et al., 2005) Log-linear models (Kim and Hovy, 2006) Boosting (Kobayashi et al., 2007) Mixture models (Mei et al., 2007) Bayesian models (Titov and McDonald, 2008a; 2008b) レビューから属性を発見するトピックモデル
31 LDA (Blei et al., 2003) 文書 (= 単語の集合 ) の生成モデル 潜在トピック α θ z w 潜在トピックの発見 単語 w がトピック z から生成される p(w z) あるトピックから生成されやすい単語 = トピック語 レビューではトピック語 = 属性? β φ ~ Dir( ) ~ Dir( ) z z ~ Multi ( ) w ~ Multi ( ) 単語 z
32 トピックの粒度 グローバルな視点 ( 製品 ) LDA Zen ipod Sonny ipod MP3 playerのレビュー集合 ローカルな視点 ( 属性 )??? price Sonny battery ipod あるレビュー controls
33 Multi-grain LDA (Titov and McDonald, 2008a) γ z α mix ψ v r π α gl θ gl θ loc 2 つの粒度のパラメータからトピックを生成 と θ gl θ loc 文書とウィンドウレベル Gibbs sampling を用いてパラメータを推定 w LDA β φ α loc
34 発見されたトピック トピックは属性と解釈可能 ( ラベルは人手で付与 ) MP3 player Label sound quality connection with PC battery appearance Hotel Label amenities food and drink staff internet Top words sound quality headphones volume bass earphones good usb pc windows port transfer computer mac software battery hours life batteries charge aaa rechargeable time case pocket silver screen plastic clip easily small blue Top words coffee microwave fridge tv ice room refrigerator iron food restaurant bar good dinner service breakfast ate eat staff friendly helpful very desk extremely help directions internet free access wireless use lobby high computer
35 トピック - 属性の対応付け MG-LDA の欠点 トピックの解釈は不明 先ほどの表では人手で解釈, ラベル付け レビューのメタデータの利用 属性 評価値 Food: 5; Decor: 5; Service 5 The chicken was great. On top of that our service was excellent and the price was right. Can t wait to go back! レビューデータ Label Top words??? delicious soup chicken eat??? service staff rude??? dark look old-fashoed??? price dollar reasonable. トピック
36 Multi-Aspect Sentiment Model (Titov and McDonald, 2008b) γ α mix ψ v r π α gl θ gl θ loc z y トピックから評価値を生成 w LDA β φ α loc
37 対応付け結果 Hotel の review Aspect Top words service staff friendly helpful service desk concierge excellent location hotel walk location station metro walking away right rooms room bathroom shower bed tv small water clean --- breakfast free coffee internet morning access --- $ night parking rate price paid day euros got cost メタデータに出現する属性を対応付け 余ったトピックには対応付けなし
38 評判情報の要約 : まとめ 研究の主流は分類から要約にシフトしつつある 評判情報の抽出ともいう 属性 (aspect) に着目する要約 評価者や比較対象なども ( 小林ら, 2006; Jindal and Liu 2008) 事例紹介 Bayesian models (Titov and McDonald, 2008a,2008b) スタンダードな枠組みはこれから ( 生成モデルが流行り?)
39 3. 評判分析のための辞書構築
40 辞書 辞書の必要性 単語や句レベルの肯否定が分かると重要な手掛かり 評判分析用の辞書 肯否定表現をリストアップしたデータベース 既存の辞書はそのまま使用不可 自動構築 人手による辞書構築はコスト大 ここでも ML の活用
41 手法 1: 語彙ネットワーク アイデア (Kamps et al., 2004) 類 / 反義語の肯否定は一致しやすい / にくい 既存の辞書から語彙ネットワークを構築 ノード 単語 重み付きエッジ 肯否定が一致 / 不一致 詳細は後ほど
42 手法 2: 共起 ウィンドウ内の共起 (Turney, 2002) 種単語 ( 良い や 悪い など ) との自己相互情報量 句の肯否定も判定可能 語彙統語パターン (Kaji and Kitsuregawa, 2006,2007; Tokuhisa et al., 2008) 適合率重視, 大規模テキストへの適用を前提 この製品の良い点は値段が手頃なこと
43 辞書構築に関する研究 語彙ネットワーク Clustering (Hatzivassiloglou and McKeown, 1997) Shortest-path (Kamps, 2004) Bootstrapping (Hu and Liu, 2004) Spin model (Takamura et al., 2005) PageRank (Esuli et al., 2007) 共起 PMI (Turney, 2002) Bootstrapping (Kanayama and Nasukawa 2006) Lexico-syntactic pattern (Kaji and Kitsuregawa, 2006,2007; Tokuhisa et al., 2008)
44 Shortest-path 語彙ネットワーク WordNet の類義関係のみ 肯定同士, 否定同士がリンクで結ばれる アルゴリズム Seed からの shortest-path により決定 good bad sad
45 Bootstrapping 語彙ネットワーク WordNet の類義関係と反義関係 アルゴリズム Seed と隣接するノードの肯否定を再帰的に決定 Shortest-path + bootstrapping swift swift swift good tardy good tardy good tardy 同義関係 反義関係
46 Spin Model (1/3) 重み付き語彙ネットワーク WordNet の類義関係, 反義関係 反義 ( 負 ) 同義 ( 正 ) good 1.5 great 2.0 swift tardy 1.5 bad sad slow
47 Spin Models (2/3) 確率モデル ノードの肯定 (+1), 否定 (-1) を生成 平均場近似の適用 リンクの重み P( x w) exp i, j w ij x i x j ノードの肯否定 (±1) 肯否定が一致 w ij 肯否定が不一致 -w ij
48 Spin Model (3/3) Dataset1 #Seeds Spin model Shortest-path Dataset2 改善 改善 #Seeds Spin model Bootstrapping (Takamura et al., 2005)
49 PageRank 有向語彙ネットワーク 見出し語 語釈文に出現した語 ( 正確には synset) イメージ見出し語 ( 肯定 ) 語釈文中の語 この語も肯定的な可能性が高い
50 評判分析のための辞書構築 : まとめ 依然として NLP に辞書は重要 自動構築する方法が研究対象 人手による整備はコスト大 ML など data-driven なアプローチ 2 つのアプローチ 語彙ネットワーク ML や link analysis 共起 very large text
51 4. 著者のプロファイリング
52 著者の属性判定 (1/2) 誰が書いた評判 であるが大事 例えば, 視聴率調査における F1 層と M1 層 性別判定 ( 池田ら, 2006; 小林ら, 2006) BOW 素性 + SVMs etc. 612 件のブログで実験 精度は約 89% 有効な素性 ( 池田ら, 2006) χ 二乗値 単語 私 ちゃん かしら 買い物 もらう
53 著者の属性判定 (2/2) 性格診断 (Oberlander and Nowson, 2006) 4 つの軸 (extraversion, agreeableness, openness, conscientiousness) に分類 71 人のブロガーで実験 BOW 素性 + ナイーブベイズ ちょっと変わり種で面白い どの程度うまくいくのかは
54 まとめ 評判分析の紹介 (ML を用いた事例を中心に ) 話題 評判情報を観点とした文書分類 属性にもとづく評判の要約 評判分析のための辞書構築 著者のプロファイリング 参考文献 乾孝司 and 奥村学, テキストを対象とした評価情報の分析に関する研究動向, 自然言語処理, 2006 Pang and Lee, Opinion Mining and Sentiment Analysis, 2008
55 ご清聴ありがとうございました
56 付録
57 このスライドは やや ML に偏ったサーベイです 例えば (Turney,2002) は扱いがやや小さいですが評判分析の基本文献です. 正確さ よりも 平易さ や 話しやすさ を優先させて作成されています 特に数式やグラフィカルモデル 正確な知識が必要な方は, 原著を読まれることをお薦めします
58 参考文献 1 Andrea Esuli and Fabrizio Zebastiani, PageRanking WordNet Synsets: An Application to Opinion Mining, ACL07 Michael Gamon, Anthony Aue, Simon Corston-Oliver, and Eric Ringger, Pulse: Mining Customer Opinions from Free Text, CIDA05 Vasileios Hatzivassiloglou and Kathleen R. McKeown, Predicting the Semantic Orientation of Adjectives, ACL97 Minqing Hu nad Bing Liu, Mining and Summarizing Customer Reviews, KDD04 Nitin Jindal and Bing Liu, Identifying Comparative Sentences in Text Documents, SIGIR06 Nobuhiro Kaji and Masaru Kitsuregawa, Automatic Construction of Polarity-tagged Corpus from HTML Documents, COLING/ACL06 Nobuhiro Kaji and Masaru Kitsuregawa, Building Lexicon for Sentiment Analysis from Massive Collection of HTML Documents, EMNLP07
59 参考文献 2 Jaap Kamps, Maarten Marx, Robert J. Mokken, and Maarten de Rijke, Using WordNet to Measure Semantic Orientation of Adjectives, LREC04 Hiroshi Kanayama and Tetsuya Nasukawa, Deeper Sentiment Analysis Using Machine Translation Technology, COLING04 Hiroshi Kanayama and Tetsuya Nasukawa, Fully Automatic Lexicon Expansion for Domain-oriented Sentiment Analysis, EMNLP07 Soo-Min Kim and Eduard Hovy, Extracting Opinions, Opinion Holders, and Topics Expressed in Online News Media Text, COLING/ACL06 Workshop on Sentiment and Subjectivity in Text Nozomi Kobayashi, Kentaro Inui, and Yuji Matsumoto, Extracting Aspect- Evaluation and Aspect-of Relations in Opinion Mining, EMNLP07 Moshe Koppel and Jonathan Schler, Using Neutral Examples for Learning Polarity, FINEXIN05
60 参考文献 3 Taku Kudo and Yuji Matsumoto, A Boosting Algorithm for Classification of Semi-Structured Text, EMNLP04 Bo Pang, Lillian Lee, and Shivakumar Vaithyanathan, Thumbs up? Sentiment Classification using Machine Learning Techniques, EMNLP02 Bo Pang and Lillian Lee, A Sentiment Education: Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts, ACL04 Bo Pang and Lillian Lee, Seeing stars: Exploiting class relationships for sentiment categorization with respect to rating scales, ACL05 Ryan McDonald, Kerry Hannan, Tyler Neylon, Mike Wells, and Jeff Reynar, Structured Models for Fine-to-Coarse Sentiment Analysis, ACL07 Qiaozhu Mei, Xu Ling, Matthew Wondra, Hang Su, and ChengXiang Zhai, Topic Sentiment Mixture: Modeling Facets and Opinons in Weblogs, WWW07
61 参考文献 4 Tetsuya Nasukawa and Jeonghee Yi, Sentiment Analysis: Capturing Favorability Using Natural Language Processing, K-CAP03 Jon Oberlander and Scott Nowson, Whose Thumb Is It Anyway? Classifying Author Personality from Weblog Text, COLING/ACL06 Hiroya Takamura, Takashi Inui, and Manabu Okumura, Extracting Semantic Orientations of Words using Spin Model, ACL05 Ivan Titov and Ryan McDonald, Modeling Online Reviews with Multi-grain Topic Models, WWW08 Ivan Titov and RyanMcDonald, A Joint Model for Text and Aspect Ratings for Sentiment Summarization, ACL08 Ryoko Tokuhisa, Kentaro Inui, and Yuji Matsumoto, Emotion Classification Using Massive Examples Extracted from the Web, COLING08 Peter Turney, Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews, ACL02
62 参考文献 5 池田大輔, 南野朋之, and 奥村学, blog の著者の性別推定, 言語処理学会全国大会, 2006 岡野原大輔 and 辻井潤一, レビューに対する評価指標の自動付与, 自然言語処理, Volume 14, Number 3, 2007 小林大祐, 松村真宏, and 石塚満, ブログ記事の書き手の男女分類, 言語処理学会全国大会併設ワークショップ 感情 評価 態度と言語, 2006 小林のぞみ, 乾健太郎, 松本裕二, 意見情報の抽出 / 構造化のタスク仕様に関する考察, 情報処理学会研究報告 NL171-18, 2006
( : A8TB2163)
2011 2012 3 26 ( : A8TB2163) ( A B [1] A B A B B i 1 1 2 3 2.1... 3 2.1.1... 3 2.1.2... 4 2.2... 5 3 7 3.1... 7 3.2... 7 3.3 A B... 7 4 8 4.1... 8 4.1.1... 9 4.1.2... 9 4.1.3... 9 4.1.4... 10 4.2 A B...
[12] Qui [6][7] Google N-gram[11] Web ( 4travel 5, 6 ) ( 7 ) ( All About 8 ) (1) (2) (3) 3 3 (1) (2) (3) (a) ( (b) (c) (d) (e) (1
![[12] Qui [6][7] Google N-gram[11] Web ( 4travel 5, 6 ) ( 7 ) ( All About 8 ) (1) (2) (3) 3 3 (1) (2) (3) (a) ( (b) (c) (d) (e) (1](/thumbs/89/98789829.jpg "[12] Qui [6][7] Google N-gram[11] Web ( 4travel 5, 6 ) ( 7 ) ( All About 8 ) (1) (2) (3) 3 3 (1) (2) (3) (a) ( (b) (c) (d) (e) (1")
RD-003 Building a Database of Purpose for Action from Word-of-mouth on the Web y Hiromi Wakaki y Hiroko Fujii y Michiaki Ariga y Kazuo Sumita y Kouta Nakata y Masaru Suzuki 1 ().com 1 Amazon 2 3 [10] 2007
DEIM Forum 2010 A Web Abstract Classification Method for Revie
DEIM Forum 2010 A2-2 305 8550 1 2 305 8550 1 2 E-mail: s0813158@u.tsukuba.ac.jp, satoh@slis.tsukuba.ac.jp Web Abstract Classification Method for Reviews using Degree of Mentioning each Viewpoint Tomoya
(Microsoft PowerPoint - \203|\203X\203^\201[\224\255\225\\\227p\216\221\227\ ppt)
Web ページタイプによるクラスタリングを用いた検索支援システム 折原大内海彰電気通信大学システム工学専攻 はじめに 背景 文書クラスタリングを用いた検索支援システム Clusty(http://clusty.jp/) KartOO(http://www.kartoo.com/) Carrot(http://www.carrot-search.com/) これらはすべてトピックによる分類を行っている
S1Šû‘KŒâ‚è
are you? I m thirteen years old. do you study at home every day? I study after dinner. is your cat? It s under the table. I leave for school at seven in Monday. I leave for school at seven on Monday. I
1 7.35% 74.0% linefeed point c 200 Information Processing Society of Japan
1 2 3 Incremental Linefeed Insertion into Lecture Transcription for Automatic Captioning Masaki Murata, 1 Tomohiro Ohno 2 and Shigeki Matsubara 3 The development of a captioning system that supports the
Answers Practice 08 JFD1
Practice 8 Sentence Connectors 1) I / went / to Japan / for the first time last year. At first, I didn t understand / Japanese / *at all. [ ] [ ] [ ] [ ] * 2) I m / not hungry / because I *already ate
IPSJ SIG Technical Report Vol.2017-SLP-115 No /2/18 1,a) 1 1,2 Sakriani Sakti [1][2] [3][4] [5][6][7] [8] [9] 1 Nara Institute of Scie
![IPSJ SIG Technical Report Vol.2017-SLP-115 No /2/18 1,a) 1 1,2 Sakriani Sakti [1][2] [3][4] [5][6][7] [8] [9] 1 Nara Institute of Scie](/thumbs/104/162724895.jpg "IPSJ SIG Technical Report Vol.2017-SLP-115 No /2/18 1,a) 1 1,2 Sakriani Sakti [1][2] [3][4] [5][6][7] [8] [9] 1 Nara Institute of Scie")
1,a) 1 1,2 Sakriani Sakti 1 1 1 1. [1][2] [3][4] [5][6][7] [8] [9] 1 Nara Institute of Science and Technology 2 Japan Science and Technology Agency a) ishikawa.yoko.io5@is.naist.jp 2. 1 Belief-Desire theory
ALT : Hello. May I help you? Student : Yes, please. I m looking for a white T-shirt. ALT : How about this one? Student : Well, this size is good. But do you have a cheaper one? ALT : All right. How about
A Survey of Sentiment Analysis TAKASHI INUI õand MANABU OKUMURA õ õ In these days,people can easily disseminate the information including their person
A Survey of Sentiment Analysis TAKASHI INUI õand MANABU OKUMURA õ õ In these days,people can easily disseminate the information including their personal evaluative opinions for some products and services
™…
Review The Secret to Healthy Long Life Decrease in Oxidative and Mental Stress My motto is Health is not all. But nothing can be done without health. Health is the most important requisite for all human
C. S2 X D. E.. (1) X S1 10 S2 X+S1 3 X+S S1S2 X+S1+S2 X S1 X+S S X+S2 X A. S1 2 a. b. c. d. e. 2
I. 200 2 II. ( 2001) 30 1992 Do X for S2 because S1(is not desirable) XS S2 A. S1 S2 B. S S2 S2 X 1 C. S2 X D. E.. (1) X 12 15 S1 10 S2 X+S1 3 X+S2 4 13 S1S2 X+S1+S2 X S1 X+S2. 2. 3.. S X+S2 X A. S1 2
Automatic Collection of Web Video Shots Corresponding to Specific Actions using Web Images
視覚特徴およびタグ共起を用いた 大規模 Web ビデオショットランキング 電気通信大学大学院情報理工学研究科 総合情報学専攻 Do Hang Nga 柳井啓司 背景 Web 動画 : 無限に存在 無料で取得可能 - YouTube, Daily Motion etc. Web 動画による動作データ収集 ただし Web 上の動画はノイズが多い 関連動画 Play trumpet 非関連動画 非対応ショット
トピックモデルの応用： 関係データ、ネットワークデータ
NTT コミュニケーション科学基礎研究所 石黒勝彦 2013/01/15-16 統計数理研究所会議室 1 1 画像認識系から尐し遅れますが 最近では音声 音響データに対してもトピックモデルが利用されるようになっています 2 1. どの特徴量を利用するか? 2. 時系列性をどう扱うか? 3 どの特徴量を利用して どうやって BoW 形式に変換するかを検討する必要があります MFCC: 音声認識などで広い範囲で利用される
No. 3 Oct The person to the left of the stool carried the traffic-cone towards the trash-can. α α β α α β α α β α Track2 Track3 Track1 Track0 1
ACL2013 TACL 1 ACL2013 Grounded Language Learning from Video Described with Sentences (Yu and Siskind 2013) TACL Transactions of the Association for Computational Linguistics What Makes Writing Great?
..,,,, , ( ) 3.,., 3.,., 500, 233.,, 3,,.,, i
25 Feature Selection for Prediction of Stock Price Time Series 1140357 2014 2 28 ..,,,,. 2013 1 1 12 31, ( ) 3.,., 3.,., 500, 233.,, 3,,.,, i Abstract Feature Selection for Prediction of Stock Price Time
-2-
Unit Children of the World NEW HORIZON English Course 'Have you been to?' 'What have you done as a housework?' -1- -2- Study Tour to Bangladesh p26 P26-3- Example: I am going to Bangladesh this spring.
評論・社会科学 ８４号（よこ）（Ｐ）／３．金子
1 1 1 23 2 3 3 4 3 5 CP 1 CP 3 1 1 6 2 CP OS Windows Mac Mac Windows SafariWindows Internet Explorer 3 1 1 CP 2 2. 1 1CP MacProMacOS 10.4.7. 9177 J/A 20 2 Epson GT X 900 Canon ip 4300 Fujifilm FinePix
2
NTT 2012 NTT Corporation. All rights reserved. 2 3 4 5 Noisy Channel f : (source), e : (target) ê = argmax e p(e f) = argmax e p(f e)p(e) 6 p( f e) (Brown+ 1990) f1 f2 f3 f4 f5 f6 f7 He is a high school
soturon.dvi
12 Exploration Method of Various Routes with Genetic Algorithm 1010369 2001 2 5 ( Genetic Algorithm: GA ) GA 2 3 Dijkstra Dijkstra i Abstract Exploration Method of Various Routes with Genetic Algorithm
NO.80 2012.9.30 3
Fukuoka Women s University NO.80 2O12.9.30 CONTENTS 2 2 3 3 4 6 7 8 8 8 9 10 11 11 11 12 NO.80 2012.9.30 3 4 Fukuoka Women s University NO.80 2012.9.30 5 My Life in Japan Widchayapon SASISAKULPON (Ing)
Read after your tutor. 講師の後に続けて読みましょう I have a very healthy morning routine. I always get up at five-fifteen and do exercise for half an hour. I usual
LESSON GOAL: Can write about healthy lifestyles. 生活習慣について書けるようになろう Read the paragraph and answer the questions. 次の文章を読んで 下の質問に答えましょう Anna always wakes up at six oʼclock in the morning. On school days,
鹿大広報149号
No.149 Feb/1999 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Learned From Japanese Life and Experiences in Kagoshima When I first came to Japan I was really surprised by almost everything, the weather,
2015 9
JAIST Reposi https://dspace.j Title ウェブページからのサイト情報 作成者情報の抽出 Author(s) 堀, 達也 Citation Issue Date 2015-09 Type Thesis or Dissertation Text version author URL http://hdl.handle.net/10119/12932 Rights Description
高2SL高1HL 文法後期後半_テキスト-0108.indd
第 20 講 関係詞 3 ポイント 1 -ever 2 3 ポイント 1 複合関係詞 (-ever) ever whoever whatever whichever whenever wherever You may take whoever wants to go. Whenever she comes, she brings us presents. = no matter whoever =
1. はじめに 2
点予測と能動学習を用いた効率的なコーパス構築 形態素解析における実証実験 京都大学情報学研究科 Graham NEUBIG 1 1. はじめに 2 形態素解析 べた書きの文字列を意味のある単位に分割し 様々な情報を付与 品詞 基本形 読み 発音等を推定 農産物価格安定法を施行した 価格 / 名詞 / 価格 / かかく / かかく安定 / 名詞 / 安定 / あんてい / あんてー法 / 接尾辞 /
IPSJ SIG Technical Report Vol.2009-DPS-141 No.20 Vol.2009-GN-73 No.20 Vol.2009-EIP-46 No /11/27 1. MIERUKEN 1 2 MIERUKEN MIERUKEN MIERUKEN: Spe
1. MIERUKEN 1 2 MIERUKEN MIERUKEN MIERUKEN: Speech Visualization System Based on Augmented Reality Yuichiro Nagano 1 and Takashi Yoshino 2 As the spread of the Augmented Reality(AR) technology and service,
レビューテキストの書き の評価視点に対する評価点の推定 29 3
JAIST Reposi https://dspace.j Title レヒ ューテキストの書き手の評価視点に対する評価 点の推定 Author(s) 張, 博 Citation Issue Date 2017-03 Type Thesis or Dissertation Text version author URL http://hdl.handle.net/10119/14154 Rights
Outline ACL 2017 ACL ACL 2017 Chairs/Presidents
ACL 2017, 2017/9/7 Outline ACL 2017 ACL ACL 2017 Chairs/Presidents ACL ACL he annual meeting of the Association for Computational Linguistics (Computational Linguistics) (Natural Language Processing) /
0210研究会
複数のソーシャルメディアのレビューを 用いた商品比較基盤技術の提案 甲南大学大学院自然科学研究科服部祐基 甲南大学知能情報学部灘本明代 背景 ソーシャルメディアを用いて情報を取得する行為が多くなっている 商品の購入 商品認知の情報源 購入のきっかけとなった情報源 として 約 40% ものインターネットユーザがソーシャルメディアを活用している 1),2) ソーシャルメディアの書き込みを商品購入の際の参考にしているユーザが多く存在している
main.dvi
DEIM Forum 2012 E2-4 1 2 2 2 3 4 5 6 7 1 305-8573 1-1-1 2 305-8573 1-1-1 3 305-8573 1-1-1 4 ( ) 141-0031 8-3-6 5 060-0808 8 5 6 101-8430 2-1-2 7 135-0064. 2-3-26 113-0033 7-3-1 305-8550 1-2 Analyzing Correlation
Izard 10 [1]Plutchik 8 [2] [3] Izard Neviarouskaya [4][5] 2.2 Hao [6] 1 Twitter[a] a) Shook Wikipedia
![Izard 10 [1]Plutchik 8 [2] [3] Izard Neviarouskaya [4][5] 2.2 Hao [6] 1 Twitter[a] a) Shook Wikipedia](/thumbs/76/74386738.jpg "Izard 10 [1]Plutchik 8 [2] [3] Izard Neviarouskaya [4][5] 2.2 Hao [6] 1 Twitter[a] a) Shook Wikipedia")
1 2 2 2 Visualization for Spatiotemporal Distribution of People's Rich Emotions KIYOHISA TAGUCHI 1 KAZUO MISUE 2 JIRO TANAKA 2 To grasp spatiotemporal changes of rich emotions for a large number of people,
P
03-3208-22482013 Vol.2 Summer & Autumn 2013 Vol.2 Summer & Autumn 90 527 P.156 611 91 C O N T E N T S 2013 03-3208-2248 2 3 4 6 Information 7 8 9 10 2 115 154 10 43 52 61 156 158 160 161 163 79 114 1 2
kut-paper-template2.dvi
19 A Proposal of Text Classification using Formal Concept Analysis 1080418 2008 3 7 ( ) Hasse Web Reuters 21578 Concept Explorer 2 4 said i Abstract A Proposal of Text Classification using Formal Concept
29 jjencode JavaScript
Kochi University of Technology Aca Title jjencode で難読化された JavaScript の検知 Author(s) 中村, 弘亮 Citation Date of 2018-03 issue URL http://hdl.handle.net/10173/1975 Rights Text version author Kochi, JAPAN http://kutarr.lib.kochi-tech.ac.jp/dspa
Web Weblog 2004 AAAI (Qu, Shanahan, and Wiebe 2004) : 1 ( )
[DRAFT] Vol.13, Num.3, pp.201 241 DRAFT, : A Survey of Sentiment Analysis INUI TAKASHI and OKUMURA MANABU In these days, people can easily disseminate the information including their personal evaluative
平成29年度英語力調査結果（中学３年生）の概要
1 2 3 1 そう思う 2 どちらかといえば そう思う 3 どちらかといえば そう思わない 4 そう思わない 4 5 楽しめるようになりたい 6 1 そう思う 2 どちらかといえば そう思う 3 どちらかといえば そう思わない 4 そう思わない 7 1 そう思う 2 どちらかといえば そう思う 3 どちらかといえば そう思わない 4 そう思わない 8 1 そう思う 2 どちらかといえば そう思う
(MIRU2008) HOG Histograms of Oriented Gradients (HOG)
(MIRU2008) 2008 7 HOG - - E-mail: katsu0920@me.cs.scitec.kobe-u.ac.jp, {takigu,ariki}@kobe-u.ac.jp Histograms of Oriented Gradients (HOG) HOG Shape Contexts HOG 5.5 Histograms of Oriented Gradients D Human
Vol. 42 No MUC-6 6) 90% 2) MUC-6 MET-1 7),8) 7 90% 1 MUC IREX-NE 9) 10),11) 1) MUCMET 12) IREX-NE 13) ARPA 1987 MUC 1992 TREC IREX-N
Vol. 42 No. 6 June 2001 IREX-NE F 83.86 A Japanese Named Entity Extraction System Based on Building a Large-scale and High-quality Dictionary and Pattern-matching Rules Yoshikazu Takemoto, Toshikazu Fukushima
[ 演習 3-6AA] ウェブページの検索結果の表示順序 ( 重要 ) 10D H 坂田侑亮 10D F 岩附彰人 10D D 財津宏明 1.1 ページランクとは ページランクとは グーグルが開発した検索エンジンのウェブページの重要度を判定する技術である サーチエ
![[ 演習 3-6AA] ウェブページの検索結果の表示順序 ( 重要 ) 10D H 坂田侑亮 10D F 岩附彰人 10D D 財津宏明 1.1 ページランクとは ページランクとは グーグルが開発した検索エンジンのウェブページの重要度を判定する技術である サーチエ](/thumbs/103/159580937.jpg "[ 演習 3-6AA] ウェブページの検索結果の表示順序 ( 重要 ) 10D H 坂田侑亮 10D F 岩附彰人 10D D 財津宏明 1.1 ページランクとは ページランクとは グーグルが開発した検索エンジンのウェブページの重要度を判定する技術である サーチエ")
1.1 ページランクとは ページランクとは グーグルが開発した検索エンジンのウェブページの重要度を判定する技術である サーチエンジンは質の高いウェブページをどれだけ上位に並べられるかということが重要です 従来の検索エンジンでは検索された単語とそのページの関連性を元に評価をしていましたが ここに どれだけ注目されているか という指標を盛り込んだことが特筆すべきポイントです 具体的には 質の良い ( ページランクの高い
A B C B C ICT ICT ITC ICT
ICT Development of curriculum for improving of teachers ICT based on evaluation standards. Kazuhiko ISHIHARA Abstract Ministry of Education and Science announced Checklist of teacher s ICT in March,. All
L1 What Can You Blood Type Tell Us? Part 1 Can you guess/ my blood type? Well,/ you re very serious person/ so/ I think/ your blood type is A. Wow!/ G
L1 What Can You Blood Type Tell Us? Part 1 Can you guess/ my blood type? 当ててみて / 私の血液型を Well,/ you re very serious person/ so/ I think/ your blood type is A. えーと / あなたはとっても真面目な人 / だから / 私は ~ と思います / あなたの血液型は
独立行政法人情報通信研究機構 Development of the Information Analysis System WISDOM KIDAWARA Yutaka NICT Knowledge Clustered Group researched and developed the infor
独立行政法人情報通信研究機構 KIDAWARA Yutaka NICT Knowledge Clustered Group researched and developed the information analysis system WISDOM as a research result of the second medium-term plan. WISDOM has functions that
114 583/4 2012
5-5 Fundamental Language Resources HASHIMOTO Chikara, Jong-Hoon Oh, SANO Motoki, and KAWADA Takuya Fundamental language resources are classifi ed into natural language processing tools and natural language
kut-paper-template.dvi
26 Discrimination of abnormal breath sound by using the features of breath sound 1150313 ,,,,,,,,,,,,, i Abstract Discrimination of abnormal breath sound by using the features of breath sound SATO Ryo
2013 Vol.1 Spring 2013 Vol.1 SPRING 03-3208-2248 C O N T E N T S 2013 03-3208-2248 2 3 4 7 Information 6 8 9 11 10 73 94 11 32 37 41 96 98 100 101 103 55 72 1 2 201345135016151330 3 1 2 URL: http://www.wul.waseda.ac.jp/clib/tel.03-3203-5581
PowerPoint プレゼンテーション
SIGIR2014 勉強会 Think Globally, Act Locally 担当 : 大島裕明 ( 京都大学 ) Think Globally, Act Locally Who is the Barbecue King of Texas?: A Geo-Spatial Approach to Finding Local Experts on Twitter Z. Cheng, J. Caverlee,
Building a Culture of Self- Access Learning at a Japanese University An Action Research Project Clair Taylor Gerald Talandis Jr. Michael Stout Keiko Omura Problem Action Research English Central Spring,
Lesson 77 My favorite subject is science Read the following conversations with your tutor 講師と次の会話を読みましょう Art History 1 A: Whatʼs your favorite subject
Lesson 77 My favorite subject is science LESSON GOAL: Can talk about school subjects 教科について話せるようになろう Read the sentences Use He/she has a Healthy or an unhealthy lifestyle 文を読みましょう それぞれの文について 健 康的な生活をしています
スライド 1
ICDE2016 & WWW2016 勉強会 WWW2016 Session 22 京都大学加藤誠 WWW2016 Session 22 Modeling User Exposure in Recommendation Dawen Liang (Columbia University) Laurent Charlin (McGill University) James McInerney (Columbia
\615L\625\761\621\745\615\750\617\743\623\6075\614\616\615\606.PS
osakikamijima HIGH SCHOOL REPORT Hello everyone! I hope you are enjoying spring and all of the fun activities that come with warmer weather! Similar to Judy, my time here on Osakikamijima is
1 2. Nippon Cataloging Rules NCR [6] (1) 5 (2) 4 3 (3) 4 (4) 3 (5) ISSN 7 International Standard Serial Number ISSN (6) (7) 7 16 (8) ISBN ISSN I
![1 2. Nippon Cataloging Rules NCR [6] (1) 5 (2) 4 3 (3) 4 (4) 3 (5) ISSN 7 International Standard Serial Number ISSN (6) (7) 7 16 (8) ISBN ISSN I](/thumbs/82/86679845.jpg "1 2. Nippon Cataloging Rules NCR [6] (1) 5 (2) 4 3 (3) 4 (4) 3 (5) ISSN 7 International Standard Serial Number ISSN (6) (7) 7 16 (8) ISBN ISSN I")
Development of Digital Archive System of Comics Satoshi Tsutsui Kojima Kazuya The comic published in Japan is liked to read from of old by a lot of people, and builds our life and implications now. The
wki_shuronn.pdf
No. 161 Sentiment Extraction from Live Tweets 2014 3 Twitter Twitter Summary Recently, microblogs such as Twitter become popular, and we can tweet about our own daily life easily. The user who tweets during
fx-9860G Manager PLUS_J
fx-9860g J fx-9860g Manager PLUS http://edu.casio.jp k 1 k III 2 3 1. 2. 4 3. 4. 5 1. 2. 3. 4. 5. 1. 6 7 k 8 k 9 k 10 k 11 k k k 12 k k k 1 2 3 4 5 6 1 2 3 4 5 6 13 k 1 2 3 1 2 3 1 2 3 1 2 3 14 k a j.+-(),m1
CONTENTS 3 5 6 8 9 10 11 12 18 19 20 Public relations brochure of Higashikawa 3 2016 March No.749 2
3 2016 March No.749 CONTENTS 3 5 6 8 9 10 11 12 18 19 20 Public relations brochure of Higashikawa 3 2016 March No.749 2 HIGASHIKAWA TOWN NEWS 3 HIGASHIKAWA TOWN NEWS 4 5 93 93 7 6 DVD 8 Nature Column N
A Japanese Word Dependency Corpus ÆüËܸì¤Îñ¸ì·¸¤ê¼õ¤±¥³¡¼¥Ñ¥¹
A Japanese Word Dependency Corpus 2015 3 18 Special thanks to NTT CS, 1 /27 Bunsetsu? What is it? ( ) Cf. CoNLL Multilingual Dependency Parsing [Buchholz+ 2006] (, Penn Treebank [Marcus 93]) 2 /27 1. 2.
fiš„v5.dvi
(2001) 49 2 293 303 VRML 1 2 3 2001 4 12 2001 10 16 Web Java VRML (Virtual Reality Modeling Language) VRML Web VRML VRML VRML VRML Web VRML VRML, 3D 1. WWW (World Wide Web) WWW Mittag (2000) Web CGI Java
_314I01BM浅谷2.indd
587 ネットワークの表現学習 1 1 1 1 Deep Learning [1] Google [2] Deep Learning [3] [4] 2014 Deepwalk [5] 1 2 [6] [7] [8] 1 2 1 word2vec[9] word2vec 1 http://www.ai-gakkai.or.jp/my-bookmark_vol31-no4 588 31 4 2016
CONTENTS 3 8 10 12 14 15 16 17 18 19 28 29 30 Public relations brochure of Higashikawa 9 2016 September No.755 2
9 2016 September No.755 CONTENTS 3 8 10 12 14 15 16 17 18 19 28 29 30 Public relations brochure of Higashikawa 9 2016 September No.755 2 3 5 4 6 7 9 8 11 10 HIGASHIKAWA TOWN NEWS 12 13 DVD 14 Nature Column
Title < 論文 > 公立学校における在日韓国 朝鮮人教育の位置に関する社会学的考察 : 大阪と京都における 民族学級 の事例から Author(s) 金, 兌恩 Citation 京都社会学年報 : KJS = Kyoto journal of so 14: 21-41 Issue Date 2006-12-25 URL http://hdl.handle.net/2433/192679 Right
研究開発の概要のイメージ ①画像 音声 映像情報の分析技術 周辺コンテンツや他情報源から収集したテキスト情報の分析 画像特徴量分析による信憑性検証 Web画像の典型度 過不足性 W b画像の典型度 過不足性 整合性の分析 映像 音声の偏り分析や 映像 音声の偏り分析や 視聴者評価情報の分析 Webア
電気通信サービスにおける情報信憑性検証技術に関する研究開発 課題ア Webコンテンツ分析技術開発成果について 1. 施策の目標 ネットワーク上の文字 音声 画像 映像情報について 情報の信頼性を分析する技術を確立し 信頼できる情報を提供することで 誰でもが思いのまま 簡単に 信頼して コンテンツを取り扱い 高度に利活用できる環境を実現する 2. 研究開発の背景 画像 音声 映像情報がWebコンテンツの一部としてインターネット上に大量に流通しているが
外国語教育/斎藤
A Tentative Plan for Improving English Language Teaching SAITO Eiji The purpose of the speech the writer gave at the First International Symposium sponsored by the Kansai University Graduate School of
０
Speedy & Simple Kenji, Yoshio, and Goro are good at English. They have their ways of learning. Kenji often listens to English songs and tries to remember all the words. Yoshio reads one English book every
[1] 2 キトラ古墳天文図に関する従来の研究とその問題点 mm 3 9 mm cm 40.3 cm 60.6 cm 40.5 cm [2] 9 mm [3,4,5] [5] 1998
![[1] 2 キトラ古墳天文図に関する従来の研究とその問題点 mm 3 9 mm cm 40.3 cm 60.6 cm 40.5 cm [2] 9 mm [3,4,5] [5] 1998](/thumbs/88/115513046.jpg "[1] 2 キトラ古墳天文図に関する従来の研究とその問題点 mm 3 9 mm cm 40.3 cm 60.6 cm 40.5 cm [2] 9 mm [3,4,5] [5] 1998")
18 1 12 2016 キトラ古墳天文図の観測年代と観測地の推定 2015 5 15 2015 10 7 Estimating the Year and Place of Observations for the Celestial Map in the Kitora Tumulus Mitsuru SÔMA Abstract Kitora Tumulus, located in Asuka, Nara
sein_sandwich2_FM_bounus_NYUKO.indd
Sandwich method bonus 24 At a store - Buying clothes Hello! You re looking for a shirt?!? Well, this shirt here is the latest style, and the price is really reasonable. David A. Thayne s 2 Special Methods
[1], B0TB2053, 20014 3 31. i
![[1], B0TB2053, 20014 3 31. i](/thumbs/40/20550507.jpg "[1], B0TB2053, 20014 3 31. i")
B0TB2053 20014 3 31 [1], B0TB2053, 20014 3 31. i 1 1 2 3 2.1........................ 3 2.2........................... 3 2.3............................. 4 2.3.1..................... 4 2.3.2....................
udc-2.dvi
13 0.5 2 0.5 2 1 15 2001 16 2009 12 18 14 No.39, 2010 8 2009b 2009a Web Web Q&A 2006 2007a20082009 2007b200720082009 20072008 2009 2009 15 1 2 2 2.1 18 21 1 4 2 3 1(a) 1(b) 1(c) 1(d) 1) 18 16 17 21 10
BOK body of knowledge, BOK BOK BOK 1 CC2001 computing curricula 2001 [1] BOK IT BOK 2008 ITBOK [2] social infomatics SI BOK BOK BOK WikiBOK BO
![BOK body of knowledge, BOK BOK BOK 1 CC2001 computing curricula 2001 [1] BOK IT BOK 2008 ITBOK [2] social infomatics SI BOK BOK BOK WikiBOK BO](/thumbs/91/105171019.jpg "BOK body of knowledge, BOK BOK BOK 1 CC2001 computing curricula 2001 [1] BOK IT BOK 2008 ITBOK [2] social infomatics SI BOK BOK BOK WikiBOK BO")
DEIM Forum 2012 C8-5 WikiBOK 252 5258 5 10 1 E-mail: shunsuke.shibuya@gmail.com, {kaz,masunaga}@si.aoyama.ac.jp, {yabuki,sakuta}@it.aoyama.ac.jp Body Of Knowledge, BOK BOK BOK BOK BOK, BOK Abstract Extention
Vol.No. 2. 方法 ( 1 ) 調査対象と時期 A B ( 2 ) 調査内容 1 ) 食事の摂取状況 2 ) 食品群別摂取頻度 3 ) 生活習慣状況 4 ) 健康意識 ( 3 ) 解析 Dplus 3. 結果と考察 ( 1 ) 性別と全調査項目 p p p ( 2 ) 食事の摂取状況 p
[ 資料 ] The study on dietary habits and lifestyle of university students based on the residence form Eriko Nishio, Shigetoshi Ohta, Yuji Tanaka Career and General Education Center, Kyushu Kyoritsu University,,
2 ( ) i
25 Study on Rating System in Multi-player Games with Imperfect Information 1165069 2014 2 28 2 ( ) i ii Abstract Study on Rating System in Multi-player Games with Imperfect Information Shigehiko MORITA
< D8291BA2E706466>
A 20 1 26 20 10 10 16 4 4! 20 6 11 2 2 3 3 10 2 A. L. T. Assistant Language Teacher DVD AV 3 A. E. T.Assistant English Teacher A. L. T. 40 3 A 4 B A. E. T. A. E. T. 6 C 2 CD 4 4 4 4 4 8 10 30 5 20 3 5
AERA_English_CP_Sample_org.pdf
W e l c o m e t o J A P A N 254 Singer-songwriter Kyrie Kristmanson I am isolating myself, when I am writing songs. Q: I have heard that you have been writing songs in the middle of nature. Why? A: The
A pp CALL College Life CD-ROM Development of CD-ROM English Teaching Materials, College Life Series, for Improving English Communica
A CALL College Life CD-ROM Development of CD-ROM English Teaching Materials, College Life Series, for Improving English Communicative Skills of Japanese College Students The purpose of the present study
Corrected Version NICT /11/15, 1 Thursday, May 7,
Corrected Version NICT 26 2008/11/15, 1 1 Word Sketch Engine (Kilgarriff & Tugwell 01; Srdanovic, et al. 08) 2 2 3 3 ( ) I-Language Grammar is Grammar and Usage is Usage (Newmeyer 03) 4 4 (is-a ) ( ) (
HIS-CCBASEver2
Information Access Interface in the Immersive Virtual World Tetsuro Ogi, *1*2*3 Koji Yamamoto, *3*4 Tadashi Yamanouchi *3 and Michitaka Hirose *2 Abstract - In this study, in order to access database server
els08ws-kuroda-slides.key
NICT 26 2008/11/15, Word Sketch Engine (Kilgarriff & Tugwell 01; Srdanovic, et al. 08) ( ) I-Language Grammar is Grammar and Usage is Usage (Newmeyer 03) (is-a ) ( )?? () // () ()???? ? ( )?? ( ) Web ??
浜松医科大学紀要
On the Statistical Bias Found in the Horse Racing Data (1) Akio NODA Mathematics Abstract: The purpose of the present paper is to report what type of statistical bias the author has found in the horse
4 23 4 Author s E-mail Address: kyamauchi@shoin.ac.jp; ksakui@shoin.ac.jp Japanese Elementary School Teachers Four Skills English Ability: A Self-evaluation Analysis YAMAUCHI Keiko, SAKUI Keiko Faculty
2) Goetz, A., Tsuneishi, N.: Application of molecular filter membranes to the bacteriological analysis of water, J. Am. Water Works Assn., 43 (12): 943-969,1951. 3) Clark, H.F. et al.: The membrane filter
生研ニュースNo.132
No.132 2011.10 REPORTS TOPICS Last year, the Public Relations Committee, General Affairs Section and Professor Tomoki Machida created the IIS introduction video in Japanese. As per the request from Director
April I like Is that T-shirt I my What do you want to be? How much is this bag? What subject do you like? How much is this ball? What subject is this? Listen to me. Look at this. Repeat after
+ -
i i C Matsushita Electric Industrial Co., Ltd.2001 -S F0901KK0 seconds ANTI-SKIP SYSTEM Portable CD player Operating Instructions -S + - + - 9 BATTERY CARRYING CASE K 3 - + 2 1 OP 2 + 3 - K K http://www.baj.or.jp
kubostat2015e p.2 how to specify Poisson regression model, a GLM GLM how to specify model, a GLM GLM logistic probability distribution Poisson distrib
kubostat2015e p.1 I 2015 (e) GLM kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2015 07 22 2015 07 21 16:26 kubostat2015e (http://goo.gl/76c4i) 2015 (e) 2015 07 22 1 / 42 1 N k 2 binomial distribution logit
はじめに
IT 1 NPO (IPEC) 55.7 29.5 Web TOEIC Nice to meet you. How are you doing? 1 type (2002 5 )66 15 1 IT Java (IZUMA, Tsuyuki) James Robinson James James James Oh, YOU are Tsuyuki! Finally, huh? What's going
gengo.dvi
4 97.52% tri-gram 92.76% 98.49% : Japanese word segmentation by Adaboost using the decision list as the weak learner Hiroyuki Shinnou In this paper, we propose the new method of Japanese word segmentation
Public relations brochure of Higashikawa 4 2016 April No.750 CONTENTS 3 13 15 16 20 22 23 24 25 26 28 36 37 38 2
4 2016 April No.750 Public relations brochure of Higashikawa 4 2016 April No.750 CONTENTS 3 13 15 16 20 22 23 24 25 26 28 36 37 38 2 3 5 4 7 6 9 8 11 10 12 13 14 キトウシ 森 林 公 園 シーズン イン HIGASHIKAWA TOWN NEWS
108 528 612 P.156 109
2012 Vol.2 Summer & Autumn 03-3208-2248 108 528 612 P.156 109 C O N T E N T S 2012 03-3208-2248 2 3 4 6 Information 7 8 9 2 114 154 156 158 160 161 163 9 43 52 61 79 113 1 2 2012 7 1 2 3 4 5 6 7 8 9 10
様々なミクロ計量モデル†
担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル
1 1 tf-idf tf-idf i
14 A Method of Article Retrieval Utilizing Characteristics in Newspaper Articles 1055104 2003 1 31 1 1 tf-idf tf-idf i Abstract A Method of Article Retrieval Utilizing Characteristics in Newspaper Articles
時空間特徴を用いた Web動画からの特定動作対応ショットの 自動抽出
Web 動画 画像を用いた 特定動作ショットの自動収集 DO HANG NGA 樋爪和也柳井啓司 電気通信大学情報工学科 背景 既存の動画学習手法制限のある動画像 (e.g. KTH, Caltech) 教師なし学習手法 Web 上の動画 教師信号あり 動画量が少ない 研究の目的 特定動作についての Web データを使用して その動作の対応ショットを自動抽出 大量の Web 動画 ランキング 学習の必要なし
国際恋愛で避けるべき7つの失敗と解決策
7 http://lovecoachirene.com 1 7! 7! 1 NOT KNOWING WHAT YOU WANT 2 BEING A SUBMISSIVE WOMAN 3 NOT ALLOWING THE MAN TO BE YOUR HERO 4 WAITING FOR HIM TO LEAD 5 NOT SPEAKING YOUR MIND 6 PUTTING HIM ON A PEDESTAL
Vol.54 No (July 2013) [9] [10] [11] [12], [13] 1 Fig. 1 Flowchart of the proposed system. c 2013 Information
![Vol.54 No (July 2013) [9] [10] [11] [12], [13] 1 Fig. 1 Flowchart of the proposed system. c 2013 Information](/thumbs/91/104959916.jpg "Vol.54 No (July 2013) [9] [10] [11] [12], [13] 1 Fig. 1 Flowchart of the proposed system. c 2013 Information")
Vol.54 No.7 1937 1950 (July 2013) 1,a) 2012 11 1, 2013 4 5 1 Similar Sounds Sentences Generator Based on Morphological Analysis Manner and Low Class Words Masaaki Kanakubo 1,a) Received: November 1, 2012,
johnny-paper2nd.dvi
13 The Rational Trading by Using Economic Fundamentals AOSHIMA Kentaro 14 2 26 ( ) : : : The Rational Trading by Using Economic Fundamentals AOSHIMA Kentaro abstract: Recently Artificial Markets on which
5 5 5 Barnes et al
11 2014 1 59 72 Ryuichi NAKAMOTO Abstract This paper introduces the method of active learning using case methods. We explain how to apply the method to a lecture in social sciences a field in which application
DEIM Forum 2010 A3-3 Web Web Web Web Web. Web Abstract Web-page R
DEIM Forum 2010 A3-3 Web Web 305 8550 1 2 305 8550 1 2 E-mail: s0813167@u.tsukuba.ac.jp, satoh@slis.tsukuba.ac.jp Web Web Web. Web Abstract Web-page Recommendation System based on the Keyword transitions
24 Region-Based Image Retrieval using Fuzzy Clustering
24 Region-Based Image Retrieval using Fuzzy Clustering 1130323 2013 3 9 Visual-key Image Retrieval(VKIR) k-means Fuzzy C-means 2 200 2 2 20 VKIR 5 18% 54% 7 30 Fuzzy C-means i Abstract Region-Based Image
JIS SI ppm JIS JIS JIS JIS Z 6005 SI System International d Unites JIS JIS J
The standard and de facto standard in a science museum collection * Akio OCHIAI Abstract It was engaged in work of collection arrangement in CHIABA MUSSEUM OF SCIENCE AND INDUSTRY, and one year passed..from
P3 P P
See t h e WORLD! 2010 2010 0 1 02 03 04 P3 P21 01 02 03 04 P17 01 02 2010 01 P0709 ICI ECP P10 Industrialised Countries Instrument Education Cooperation Programme P10 26125 4 Ecole Centrale INSA-Lyon (
Holcombe Sidman & Tailby ABC A B B C B AA C
Acquisition and generalization of object-verb phrase in a student with Deaf and intellectual disability. YOSHIOKA Masako, SAKAMOTO Maki, MUTO Takashi and MOCHIZUKI Akira This study evaluated effects of
kiyo5_1-masuzawa.indd
.pp. A Study on Wind Forecast using Self-Organizing Map FUJIMATSU Seiichiro, SUMI Yasuaki, UETA Takuya, KOBAYASHI Asuka, TSUKUTANI Takao, FUKUI Yutaka SOM SOM Elman SOM SOM Elman SOM Abstract : Now a small