DEIM Forum 2019 H Web 1 Tripadvisor
|
|
|
- ちえこ すみだ
- 6 years ago
- Views:
Transcription
1 DEIM Forum 2019 H [email protected], [email protected] Web 1 Tripadvisor https:// 2https:// [1] Flickr [2] Cheng [3]
![1 2 2. 2 [4] () () [5] [6] Gick [7] [8]. 3 [5][9] 3 3.](/docs-images/102/154192984/images/2-0.jpg "1 2016 9 [10] 1 Python gensim 3 Distributed Bag-of-Words 300 MeCab [11] mecab-ipadic-neologd 4 () 3. 2 3https://radimrehurek.")
2 [4] () () [5] [6] Gick [7] [8]. 3 [5][9] [10] 1 Python gensim 3 Distributed Bag-of-Words 300 MeCab [11] mecab-ipadic-neologd 4 () https://radimrehurek.com/gensim/models/doc2vec.html 4https://github.com/neologd/mecab-ipadic-neologd/
3 表 1 形態素解析の例 リ 場所になる傾向がある 他の例として 京都の寺院の中に 金閣寺 と 清水寺 が レビュー文書 どよい きれいに清掃などもされていて 気分がよ 存在する場合を考える このとき 金閣寺 の相対的特徴は 金色 金箔 輝きなどである 一方 清水寺 の相対的特徴 は 舞台や一望などである どちらも京都にある寺院であるた 園内も広く 気分転換に散歩したりするのにちょう いです 形態素解析 園内 広い 気分転換 散歩 ちょうど よい きれい 清 掃 気分 よい め 京都や寺院に関連する特徴は相対的特徴にならない その 代わりに より詳細な特徴が相対的特徴として得られる rstate,i = si average(sstate si ) (1) 相対的特徴ベクトル rstate,i は 式 1 として定義される 相 対的特徴ベクトルは そのスポット自体の特徴ベクトルから他 のスポットの特徴ベクトルの平均を引いた値によって得られ る Sstate = {s1, s2,..., sn } は 既訪問スポット集合や未訪問 スポット集合となっている state は f のとき 既訪問スポッ ト集合として定義する state は u のとき 未訪問スポット集 合として定義する si は集合 Sstate 内の観光スポットの特徴ベ 図 3 プロトタイプシステムのユーザインターフェース クトルを示している 3. 3 説明スポットの決定 TFIDF 値を求める 次に 2 つのスポットの共通する特徴語 未訪問エリア内のスポットは既訪問スポットを使って説明す る したがって 未訪問スポットと既訪問スポットを 既訪問 スポット rf,i と未訪問スポット ru,j の相対的特徴ベクトルに のスコアとして TFIDF 値の調和平均を計算する 最後に ス コアが高い特徴語を説明可能な単語として抽出する スポット内のキーワード特徴量は 式 3 で定義する ( よって計算された類似度に基づいて関連付けを行う 図 2 類 T F IDF (t, d, state) = T F (t, d) log 似度計算には コサイン尺度 (式 2) を用いる cos(rf,i, ru,j ) = rf,i ru,j rf,i ru,j (2) 関連付け手順について説明する まず 特定のスポットに最 も類似度が高いスポットと関連付ける このとき 類似度が閾 値 (本研究では 0.125) 以下である場合は関連付けを行わない Sstate DF (t, state) ) (3) T F (t, d) は 文書 d においてのキーワード t の数である d は スポットのすべてのレビューを 1 つにまとめた文書である DF (t, state) は キーワード t を含む文書の数である Sstate はスポットの総数である state が f の場合 ユーザが入力し また 未訪問スポットと類似度が最も高い既訪問スポットと関 た既訪問スポット集合を使用して TFIDF 値を計算する state 連付けられているか 既訪問スポットと類似度が最も高い未訪 が u の場合 ユーザが入力したエリアに含まれている未訪問ス 問スポットと関連付けられているかによって結果が異なる ポット集合を使用して TFIDF 値を計算する 前者の方法では すべての類似度が閾値を超えると すべて の既訪問スポットに対応するスポットがあるが すべての未訪 問スポットに対応するスポットがあるわけではない 一方 後 者の方法では すべての類似度が閾値を超えると すべての未 2 つのスポットに共通する特徴語の TFIDF 値の調和平均 を用いて 関連付けした既訪問スポットと未訪問スポットの 説明可能なキーワードを抽出する まず 既訪問スポットと 未訪問スポットのレビュー文書でよく出現する単語を抽出す 訪問スポットに対応するスポットがある 本手法では 未訪問 る 次に 抽出した単語のスコアは式 4 によって定義する スポットを説明するために後者の方法を採用する T F IDF (t, d, f ) と T F IDF (t, d, u) は同じ単語がそれぞれ既訪 問スポットの TFIDF 値と未訪問スポットの TFIDF 値を示し 3. 4 説明スポットの役割語の抽出 未訪問スポットと既訪問スポットの関係性を表すキーワード ている 単語スコアの値が大きいのとき その単語は各スポッ トにおいて重要度が高いことを示している よって 単語スコ をユーザに提示する しかし 相対的特徴ベクトルから単語の アの上位 N 個の単語が説明情報としてユーザに提示する (図 特徴を得ることはできないので 他の方法を使って単語を抽出 3) する 前提として すべてのレビューは日本語の形態素解析器 MeCab score(t, d) = 2 T F IDF (t, d, f ) T F IDF (t, d, u) (4) T F IDF (t, d, f ) + T F IDF (t, d, u) によって単語を分割する 3. 1 節の mecab-ipadic-neologd 辞書を利用する しかし 助詞 助動詞 連体詞 記号 ストッ プワードを削除する (表 1) 3. 5 未訪問スポットの説明情報の例 表 2 は ユーザ既訪問スポット集合と未訪問スポットの集合 キーワード抽出手順について説明する まず TFIDF 法を の例を示している 未訪問スポットは東京都内からランダムに 使って対象となる既訪問スポットと未訪問スポットの特徴語と 選んだ 5 つのスポットである 表 3 は 3 節で提案した方法を
4 2 (R) A B C () A B TFIDF A 2 5 score(t, d) = T F IDF (t, d, f) + T F IDF (t, d, u) 2 (5) B 2 6 score(t, d) = T F IDF (t, d, f) T F IDF (t, d, u) (6) 5 6 T F IDF (t, d, f) T F IDF (t, d, u) TFIDF TFIDF N 4. 2 CrowdWorks A C (N < = 5) A C 1 5 B 2 B A C 2 3 A C A 5 C 2 3 C D () E () 5https://crowdworks.jp/
5 3 4 A B C % 0.00% 0.00% % 31.31% 29.29% % 31.31% 35.35% % 14.14% 12.12% % 23.23% 23.23% 6 D E C % 0.00% 0.00% % 33.85% 29.36% % 47.69% 48.62% % 2.31% 2.75% % 16.15% 19.27% 5 D E C C () D D 3. 4 E CrowdWorks DE C 285 D E D 2 D 7 E& % 43.18% C& % 28.13% E& % 48.39% C& % 47.17% C() 2 3 C D D E 3 5 E C C E
6 8 a 9 b a b () a b a b ( a) 9( b) a b b a 2 80% b b (C)( 18K11551) [1] T. Kurashima, T. Iwata, G. Irie and K. Fujimura., Travel route recommendation using geotags in photo sharing sites, CIKM 10 Proceedings of the 19th ACM international conference on Information and knowledge management, pp , 2010 [2] R. Kitamura and T. Itoh, Tourist Spot Recommmendation Applying Generic Object Recognition with Travel Photos, ITE Tech. Rep., Vol.42, No.12, AIT , pp , 2018 [3] A. J. Cheng, Y. Y. Chen, Y. T. Huang and Winston H.
7 Hsu, Personalized Travel Recommendation by Mining People Attributes from Community-Contributed Photos, MM 11 Proceedings of the 19th ACM international conference on Multimedia, pp.83-92, 2011 [4] K. J. Holyoak and P. Thagard, Mental Leaps: Analogy in Creative Thought, MIT Press, Journal of Japanese Society for Artificial Intelligence, Vol.11, No.3, pp.489, 1996 [5] D. Gentner, Structure-Mapping: A Theoretical Framework for Analogy, Cognitive Science, Vol.7, pp , 1983 [6] M. L. Gick and K. J. Holyoak, Analogical Problem Solving, Cognitive Psychology, Vol.12, pp , 1980 [7] M. L. Gick and K. J. Holyoak, Scheme Induction and Similarity in Analogical Transfer, Cognitive Psychology, Vol.15, pp.138, 1983 [8] Z. Chen and M. W. Daehler, Positive and Negative Transfer in Analogical Problem-solving by 6-years-old Children, Cognitive Development, Vol.4, No.4, pp , 1989 [9] K. J. Holyoak and P. Thagard, Analogical Mapping by Constraint Satisfaction, Cognitive Science, Vol.13, pp , 1989 [10] Quoc V. Le and Tomas Mikolov, Distributed representations of sentences and documents, In Proceedings of the 31th International Conference on Machine Learning, ICML 2014, pp , 2014 [11] T. Kudo, K. Yamamoto and Y. Matsumoto, Applying Conditional Random Fields to Japanese Morphological Analysis, Proceedings of the 2004 Conference on Empirical Methods in Natural Language Processing (EMNLP-2004), pp , 2004
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,
(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1
![(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1](/thumbs/49/25651654.jpg "(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1")
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. fnirs Kai Kunze 599 8531 1 1 223 8526 4 1 1 E-mail: [email protected], [email protected],
3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)
![3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)](/thumbs/68/59204737.jpg "3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)")
(MIRU2012) 2012 8 820-8502 680-4 E-mail: {d kouno,shimada,endo}@pluto.ai.kyutech.ac.jp (1) (2) (3) (4) 4 AdaBoost 1. Kanade [6] CLAFIC [12] EigenFace [10] 1 1 2 1 [7] 3 2 2 (1) (2) (3) (4) 4 4 AdaBoost
21 Pitman-Yor Pitman- Yor [7] n -gram W w n-gram G Pitman-Yor P Y (d, θ, G 0 ) (1) G P Y (d, θ, G 0 ) (1) Pitman-Yor d, θ, G 0 d 0 d 1 θ Pitman-Yor G
![21 Pitman-Yor Pitman- Yor [7] n -gram W w n-gram G Pitman-Yor P Y (d, θ, G 0 ) (1) G P Y (d, θ, G 0 ) (1) Pitman-Yor d, θ, G 0 d 0 d 1 θ Pitman-Yor G](/thumbs/89/99361107.jpg "21 Pitman-Yor Pitman- Yor [7] n -gram W w n-gram G Pitman-Yor P Y (d, θ, G 0 ) (1) G P Y (d, θ, G 0 ) (1) Pitman-Yor d, θ, G 0 d 0 d 1 θ Pitman-Yor G")
ol2013-nl-214 No6 1,a) 2,b) n-gram 1 M [1] (TG: Tree ubstitution Grammar) [2], [3] TG TG 1 2 a) ohno@ilabdoshishaacjp b) khatano@maildoshishaacjp [4], [5] [6] 2 Pitman-Yor 3 Pitman-Yor 1 21 Pitman-Yor
2. Apple iphoto 1 Google Picasa 2 Calendar for Everything [1] PLUM [2] LifelogViewer 3 1 Apple iphoto, 2 Goo
![2. Apple iphoto 1 Google Picasa 2 Calendar for Everything [1] PLUM [2] LifelogViewer 3 1 Apple iphoto, 2 Goo](/thumbs/93/112162943.jpg "2. Apple iphoto 1 Google Picasa 2 Calendar for Everything [1] PLUM [2] LifelogViewer 3 1 Apple iphoto, 2 Goo")
DEIM Forum 2012 D9-4 606 8501 E-mail: {sasage,tsukuda,nakamura,tanaka}@dl.kuis.kyoto-u.ac.jp,,,, 1. 2000 1 20 10 GPS A A A A A A A 2. Apple iphoto 1 Google Picasa 2 Calendar for Everything [1] Email PLUM
2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni
![2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni](/thumbs/86/94686225.jpg "2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni")
DEIM Forum 2012 B5-3 606 8510 E-mail: {zhao,ohshima,tanaka}@dl.kuis.kyoto-u.ac.jp Web, 1. Web Web TinEye 1 Google 1 http://www.tineye.com/ 1 2. 3. 4. 5. 6. 2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient
DEIM Forum 2012 E Web Extracting Modification of Objec
DEIM Forum 2012 E4-2 670 0092 1 1 12 E-mail: [email protected], {dkitayama,sumiya}@shse.u-hyogo.ac.jp Web Extracting Modification of Objects for Supporting Map Browsing Junki MATSUO, Daisuke
DEIM Forum 2009 C8-4 QA NTT QA QA QA 2 QA Abstract Questions Recomme
DEIM Forum 2009 C8-4 QA NTT 239 0847 1 1 E-mail: {kabutoya.yutaka,kawashima.harumi,fujimura.ko}@lab.ntt.co.jp QA QA QA 2 QA Abstract Questions Recommendation Based on Evolution Patterns of a QA Community
nlp1-12.key
自然言語処理論 I 12. テキスト処理 ( 文字列照合と検索 ) 情報検索 information retrieval (IR) 広義の情報検索 情報源からユーザの持つ問題 ( 情報要求 ) を解決できる情報を見つけ出すこと 狭義の情報検索 文書集合の中から ユーザの検索質問に適合する文書を見つけ出すこと 適合文書 : 検索質問の答えが書いてある文書 テキスト検索 (text retrieval)
main.dvi
305 8550 1 2 CREST [email protected] 1 7% 2 2 3 PRIME Multi-lingual Information Retrieval 2 2.1 Cross-Language Information Retrieval CLIR 1990 CD-ROM a. b. c. d. b CLIR b 70% CLIR CLIR 2.2 (b) 2
. Yahoo! 1!goo 2 QA..... QA Web Web 2 3 4 5 6 7 8 2. [1]Web Web Yin [2] Web Web Web. [3] Web Wikipedia 1 2
![. Yahoo! 1!goo 2 QA..... QA Web Web 2 3 4 5 6 7 8 2. [1]Web Web Yin [2] Web Web Web. [3] Web Wikipedia 1 2](/thumbs/42/23084402.jpg ". Yahoo! 1!goo 2 QA..... QA Web Web 2 3 4 5 6 7 8 2. [1]Web Web Yin [2] Web Web Web. [3] Web Wikipedia 1 2")
DEIM Forum 211 F6-3 Web 35 855 1 2 35 855 1 2 11 843 2 1 2 E-mail: [email protected], {yohei,satoh}@slis.tsukuba.ac.jp, [email protected] QA Web Web Web QA Diversified-query Generating System Using
27 28 2 15 14350922 1 4 1.1.................................... 4 1.2........................... 5 1.3......................... 6 1.4...................................... 7 2 9 2.1..........................
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: [email protected], {kaz,masunaga}@si.aoyama.ac.jp, {yabuki,sakuta}@it.aoyama.ac.jp Body Of Knowledge, BOK BOK BOK BOK BOK, BOK Abstract Extention
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.
2 21,238 35 2 2 Twitter 3 4 5 6 2. 2.1 SNS 2.2 2. 1 [8] [5] [7] 2. 2 SNS SNS 2 2. 2. 1 Cheng [2] Twitter [6] 2. 2. 2 Backstrom [1] Facebook 3 Jurgens
![2 21,238 35 2 2 Twitter 3 4 5 6 2. 2.1 SNS 2.2 2. 1 [8] [5] [7] 2. 2 SNS SNS 2 2. 2. 1 Cheng [2] Twitter [6] 2. 2. 2 Backstrom [1] Facebook 3 Jurgens](/thumbs/40/22232212.jpg "2 21,238 35 2 2 Twitter 3 4 5 6 2. 2.1 SNS 2.2 2. 1 [8] [5] [7] 2. 2 SNS SNS 2 2. 2. 1 Cheng [2] Twitter [6] 2. 2. 2 Backstrom [1] Facebook 3 Jurgens")
DEIM Forum 2016 B4-3 地域ユーザに着目した口コミツイート収集手法の提案 長島 里奈 関 洋平 圭 猪 筑波大学 情報学群 知識情報 図書館学類 305 8550 茨城県つくば市春日 1 2 筑波大学 図書館情報メディア系 305 8550 茨城県つくば市春日 1 2 つくば市役所 305 8555 茨城県つくば市研究学園 1 1 1 E-mail: [email protected],
WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp
![WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp](/thumbs/91/107555259.jpg "WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp")
Query-by-Dancing: WISS 2018. Query-by-Dancing Query-by-Dancing 1 OpenPose [1] Copyright is held by the author(s). DJ DJ DJ WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias
1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +
![1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +](/thumbs/81/83701592.jpg "1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +")
3 3D 1,a) 1 1 Kinect (X, Y) 3D 3D 1. 2010 Microsoft Kinect for Windows SDK( (Kinect) SDK ) 3D [1], [2] [3] [4] [5] [10] 30fps [10] 3 Kinect 3 Kinect Kinect for Windows SDK 3 Microsoft 3 Kinect for Windows
2 22006 2 e-learning e e 2003 1 4 e e e-learning 2 Web e-leaning 2004 2005 2006 e 4 GP 4 e-learning e-learning e-learning e LMS LMS Internet Navigware
2 2 Journal of Multimedia Aided Education Research 2006, Vol. 2, No. 2, 19 e 1 1 2 2 1 1 GP e 2004 e-learning 2004 e-learning 2005 e-learning e-learning e-learning e-learning 2004 e-learning HuWeb 2005
untitled
580 26 5 SP-G 2011 AI An Automatic Question Generation Method for a Local Councilor Search System Yasutomo KIMURA Hideyuki SHIBUKI Keiichi TAKAMARU Hokuto Ototake Tetsuro KOBAYASHI Tatsunori MORI Otaru
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
IPSJ SIG Technical Report Vol.2012-CG-149 No.13 Vol.2012-CVIM-184 No /12/4 3 1,a) ( ) DB 3D DB 2D,,,, PnP(Perspective n-point), Ransa
3,a) 3 3 ( ) DB 3D DB 2D,,,, PnP(Perspective n-point), Ransac. DB [] [2] 3 DB Web Web DB Web NTT NTT Media Intelligence Laboratories, - Hikarinooka Yokosuka-Shi, Kanagawa 239-0847 Japan a) [email protected]
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,
Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],
![Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],](/thumbs/92/110933465.jpg "Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],")
1 1 1 Structure from Motion - 1 Ville [1] NAC EMR-9 [2] 1 Osaka University [3], [4] 1 1(a) 1(c) 9 9 9 c 216 Information Processing Society of Japan 1 Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b)
1 IDC Wo rldwide Business Analytics Technology and Services 2013-2017 Forecast 2 24 http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h24/pdf/n2010000.pdf 3 Manyika, J., Chui, M., Brown, B., Bughin,
自然言語処理24_705
nwjc2vec: word2vec nwjc2vec nwjc2vec nwjc2vec 2 nwjc2vec 7 nwjc2vec word2vec nwjc2vec: Word Embedding Data Constructed from NINJAL Web Japanese Corpus Hiroyuki Shinnou, Masayuki Asahara, Kanako Komiya
2 3, 4, 5 6 2. [1] [2] [3]., [4], () [3], [5]. Mel Frequency Cepstral Coefficients (MFCC) [9] Logan [4] MFCC MFCC Flexer [10] Bogdanov2010 [3] [14],,,
![2 3, 4, 5 6 2. [1] [2] [3]., [4], () [3], [5]. Mel Frequency Cepstral Coefficients (MFCC) [9] Logan [4] MFCC MFCC Flexer [10] Bogdanov2010 [3] [14],,,](/thumbs/40/20501376.jpg "2 3, 4, 5 6 2. [1] [2] [3]., [4], () [3], [5]. Mel Frequency Cepstral Coefficients (MFCC) [9] Logan [4] MFCC MFCC Flexer [10] Bogdanov2010 [3] [14],,,")
DEIM Forum 2016 E1-4 525-8577 1 1-1 E-mail: [email protected], [email protected], [email protected] 373 1.,, itunes Store 1, Web,., 4,300., [1], [2] [3],,, [4], ( ) [3], [5].,,.,,,,
JVRSJ Vol.18 No.3 September, 2013 173 29 2 1 2 1 NPC 2004 1 RTS Real-time Simulation NPC NPC NPC AI NPC 4 AI 2 AI 2 3 4 図 1 ゲームとユーザエクスペリエンス reality a
28 172 日 本 バーチャルリアリティ 学 会 誌 第 18 巻 3 号 2013 年 9 月 1 [1] 1 [2-5] NPC Non-Player-Character 80 90 NPC 2000 NPC 2 AI AI AI [6-8] RPG AI NPC AI AI RPG AI [5][9][10] 3 AI 2 AI 1 [11] 28 JVRSJ Vol.18 No.3 September,
1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -
![1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -](/thumbs/89/100816452.jpg "1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -")
Vol216-CVIM-22 No18 216/5/12 1 1 1 Structure from Motion - 1 8% Tobii Pro TX3 NAC EMR ACTUS Eye Tribe Tobii Pro Glass NAC EMR-9 Pupil Headset Ville [1] EMR-9 [2] 1 Osaka University Gaze Head Eye (a) deg
Wikipedia YahooQA MAD 4)5) MAD Web 6) 3. YAMAHA 7) 8) 2 3 4 5 6 2. Vocaloid2 2006 1 PV 2009 1 1100 200 YouTube 1 minato minato ussy 3D MAD F EDis ussy
1, 2 3 1, 2 Web Fischer Social Creativity 1) Social Creativity CG Network Analysis of an Emergent Massively Collaborative Creation Community Masahiro Hamasaki, 1, 2 Hideaki Takeda 3 and Takuichi Nishimura
,, WIX. 3. Web Index 3. 1 WIX WIX XML URL, 1., keyword, URL target., WIX, header,, WIX. 1 entry keyword 1 target 1 keyword target., entry, 1 1. WIX [2
DEIM Forum 2013 B10-4 Web Index 223-8522 3-14-1 E-mail: [email protected], [email protected], URL WIX, Web Web Index(WIX). WIX, WIX.,,. Web Index, Web, Web,, Related Contents Recommendation
¥ì¥·¥Ô¤Î¸À¸ì½èÍý¤Î¸½¾õ
2013 8 18 Table of Contents = + 1. 2. 3. 4. 5. etc. 1. ( + + ( )) 2. :,,,,,, (MUC 1 ) 3. 4. (subj: person, i-obj: org. ) 1 Message Understanding Conference ( ) UGC 2 ( ) : : 2 User-Generated Content [
28 Horizontal angle correction using straight line detection in an equirectangular image
28 Horizontal angle correction using straight line detection in an equirectangular image 1170283 2017 3 1 2 i Abstract Horizontal angle correction using straight line detection in an equirectangular image
IPSJ SIG Technical Report Vol.2010-NL-199 No /11/ treebank ( ) KWIC /MeCab / Morphological and Dependency Structure Annotated Corp
1. 1 1 1 2 treebank ( ) KWIC /MeCab / Morphological and Dependency Structure Annotated Corpus Management Tool: ChaKi Yuji Matsumoto, 1 Masayuki Asahara, 1 Masakazu Iwatate 1 and Toshio Morita 2 This paper
Vol.55 No (Jan. 2014) saccess 6 saccess 7 saccess 2. [3] p.33 * B (A) (B) (C) (D) (E) (F) *1 [3], [4] Web PDF a m
![Vol.55 No (Jan. 2014) saccess 6 saccess 7 saccess 2. [3] p.33 * B (A) (B) (C) (D) (E) (F) *1 [3], [4] Web PDF a m](/thumbs/92/108648363.jpg "Vol.55 No (Jan. 2014) saccess 6 saccess 7 saccess 2. [3] p.33 * B (A) (B) (C) (D) (E) (F) *1 [3], [4] Web PDF a m")
Vol.55 No.1 2 15 (Jan. 2014) 1,a) 2,3,b) 4,3,c) 3,d) 2013 3 18, 2013 10 9 saccess 1 1 saccess saccess Design and Implementation of an Online Tool for Database Education Hiroyuki Nagataki 1,a) Yoshiaki
& 3 3 ' ' (., (Pixel), (Light Intensity) (Random Variable). (Joint Probability). V., V = {,,, V }. i x i x = (x, x,, x V ) T. x i i (State Variable),
.... Deeping and Expansion of Large-Scale Random Fields and Probabilistic Image Processing Kazuyuki Tanaka The mathematical frameworks of probabilistic image processing are formulated by means of Markov
3.1 Thalmic Lab Myo * Bluetooth PC Myo 8 RMS RMS t RMS(t) i (i = 1, 2,, 8) 8 SVM libsvm *2 ν-svm 1 Myo 2 8 RMS 3.2 Myo (Root
1,a) 2 2 1. 1 College of Information Science, School of Informatics, University of Tsukuba 2 Faculty of Engineering, Information and Systems, University of Tsukuba a) [email protected] 2.
(2008) JUMAN *1 (, 2000) google MeCab *2 KH coder TinyTextMiner KNP(, 2000) google cabocha(, 2001) JUMAN MeCab *1 *2 h
The Society for Economic Studies The University of Kitakyushu Working Paper Series No. 2011-12 (accepted in March 30, 2012) () (2009b) 19 (2003) 1980 PC 1990 (, 2009) (2001) (2004) KH coder (2009) TinyTextMiner
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: [email protected], [email protected] Web Web Web. Web Abstract Web-page Recommendation System based on the Keyword transitions
main.dvi
DEIM Forum 2018 J7-3 305-8573 1-1-1 305-8573 1-1-1 305-8573 1-1-1 () 151-0053 1-3-15 6F URL SVM Identifying Know-How Sites basedonatopicmodelandclassifierlearning Jiaqi LI,ChenZHAO, Youchao LIN, Ding YI,ShutoKAWABATA,