講演抄録/キーワード |
講演名 |
2017-09-23 13:30
文章自動生成に向けた非構造データの活用の比較検討 ~ 文と文とのつながりを課題として ~ ○太田博三(放送大) TL2017-38 |
抄録 |
(和) |
ビックデータの時代が到来して数年が経過し,ここ数年の深層学習の発展は目覚しいものがある.画像処理や音声認識はその恩恵を受けているが,自然言語処理の文と文とのつながりの分野では見受けられないように思われる.そこで実務で通用する,自然な文章生成の各手法の比較検討を行い,未来への糸口を見出したい.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)による文章生成を予定している. |
(英) |
Several years have passed since the age of big data arrived, and the development of deep learning in recent years is remarkable. Although image processing and speech recognition benefit from it, it seems that it can not be seen in the field of connection between sentences of natural language processing and sentences. So I would like to compare and examine each method of natural sentence generation that I can pass in practice and want to find a clue to the future. 1) Markov chain, 2) automatic summarization, 3) text generation by deep learning (RNN / LSTM/ GAN). |
キーワード |
(和) |
ビックデータ / 深層学習 / 自然言語処理 / 文と文とのつながり / 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 / LSTM |
(英) |
big data / deep learning / natural language processing / connection between sentences / Markov chain / automatic summarization / RNN / LSTM |
文献情報 |
信学技報, vol. 117, no. 218, TL2017-38, pp. 1-6, 2017年9月. |
資料番号 |
TL2017-38 |
発行日 |
2017-09-16 (TL) |
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 |
TL2017-38 |
研究会情報 |
研究会 |
TL |
開催期間 |
2017-09-23 - 2017-09-23 |
開催地(和) |
京都工芸繊維大学 |
開催地(英) |
Kyoto Institute of Technology |
テーマ(和) |
テーマ1:言語と学習 テーマ2:通訳・翻訳 テーマ3:思考と言語一般 |
テーマ(英) |
Theme1: language and learning, Theme 2: interpretation and translation, Theme 3: thought and language, etc. |
講演論文情報の詳細 |
申込み研究会 |
TL |
会議コード |
2017-09-TL |
本文の言語 |
日本語 |
タイトル(和) |
文章自動生成に向けた非構造データの活用の比較検討 |
サブタイトル(和) |
文と文とのつながりを課題として |
タイトル(英) |
Comparative study of utilization of non-structured data for automatic generation of sentences |
サブタイトル(英) |
Connection between sentence and sentence as a subject |
キーワード(1)(和/英) |
ビックデータ / big data |
キーワード(2)(和/英) |
深層学習 / deep learning |
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) |
文と文とのつながり / connection between sentences |
キーワード(5)(和/英) |
マルコフ連鎖 / Markov chain |
キーワード(6)(和/英) |
自動要約 / automatic summarization |
キーワード(7)(和/英) |
リカレントニューラルネットワーク / RNN |
キーワード(8)(和/英) |
LSTM / LSTM |
第1著者 氏名(和/英/ヨミ) |
太田 博三 / Hiromitsu Ota / 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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-09-23 13:30:00 |
発表時間 |
30分 |
申込先研究会 |
TL |
資料番号 |
TL2017-38 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.218 |
ページ範囲 |
pp.1-6 |
ページ数 |
6 |
発行日 |
2017-09-16 (TL) |