| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-09-18 12:30 文章自動生成手法の比較考察 ～ 文章生成における文と文とのつながりの課題と方策 ～ ○太田博三（放送大）  DE2017-13 |
|
| 抄録 | （和） | ビックデータの時代が到来し，定着して数年が経過する．特にここ数年の深層学習の発展は目覚しいものがある．しかし，その恩恵を受けるには，どの程度のテキスト量が必要であるかのコスト面が実務では重要となる．本稿ではテキスト量の効率性の良い手法を比較考察する． 主に用いる手法は次の3つである．1）マルコフ連鎖，2）自動要約，3）ディープラーニング（RNN/ LSTM/ GAN）による文章生成を用いた． |
| （英） | The era of big data has arrived, several years have passed since it was established. Especially the development of deep learning in recent years is remarkable. However, to take advantage of it, the cost aspect of how much text is needed is important in practice. In this paper, we compare and consider efficient method of text quantity. Mainly used methods are as follows. 1) Markov chain, 2) automatic summarization, 3) is scheduled to sentence generated by deep learning (RNN / LSTM). |
|
| キーワード | （和） | 深層学習 / ビックデータ / 自然言語処理 / マルコフ連鎖 / 自動要約 / リカレントニューラルネットワーク / エルエスティーエム / テキスト量 |
| （英） | deep learning / big data / natural language processing / Markov chain / automatic summarization / RNN / LSTM / quantity of texts | |
| 文献情報 | 信学技報, vol. 117, no. 212, DE2017-13, pp. 1-6, 2017年9月. | |
| 資料番号 | DE2017-13 | |
| 発行日 | 2017-09-11 (DE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | DE2017-13 |
|
| 研究会情報 | |
| 研究会 | DE IPSJ-DBS IPSJ-IFAT |
| 開催期間 | 2017-09-18 - 2017-09-20 |
| 開催地（和） | お茶の水女子大学 |
| 開催地（英） | Ochanomizu University |
| テーマ（和） | ビッグデータを対象とした管理・情報検索・知識獲得，および一般 |
| テーマ（英） | Big Data Management, Information Retrieval, Knowledge Discovery, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | DE |
| 会議コード | 2017-09-DE-DBS-IFAT |
| 本文の言語 | 日本語 |
| タイトル（和） | 文章自動生成手法の比較考察 |
| サブタイトル（和） | 文章生成における文と文とのつながりの課題と方策 |
| タイトル（英） | Comparative consideration of automatic sentence generation method |
| サブタイトル（英） | Issues and measures of connection among sentences in sentence generation |
| キーワード(1)（和/英） | 深層学習 / deep learning |
| キーワード(2)（和/英） | ビックデータ / big data |
| キーワード(3)（和/英） | 自然言語処理 / natural language processing |
| キーワード(4)（和/英） | マルコフ連鎖 / Markov chain |
| キーワード(5)（和/英） | 自動要約 / automatic summarization |
| キーワード(6)（和/英） | リカレントニューラルネットワーク / RNN |
| キーワード(7)（和/英） | エルエスティーエム / LSTM |
| キーワード(8)（和/英） | テキスト量 / quantity of texts |
| 第1著者 氏名（和/英/ヨミ） | 太田 博三 / Ota Hiromitsu / オオタ ヒロミツ |
| 第1著者 所属（和/英） | 放送大学 (略称： 放送大) University of Air (略称： Univ. of Air) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-09-18 12:30:00 |
| 発表時間 | 30分 |
| 申込先研究会 | DE |
| 資料番号 | DE2017-13 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.212 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2017-09-11 (DE) |
[研究会発表申込システムのトップページに戻る]