以前からMITのOCWを中心にアメリカの大学の授業のビデオや資料などが公開されているのは知っていたが、今日知ったスタンフォード大学の授業公開っぷりがものすごい。 http://see.stanford.edu/SEE/lecturelist.aspx?coll=63480b48-8819-4efd-8412-263f1a472f5a 授業のビデオだけではなく、なんと授業のtranscript、つまり授業中に先生がしゃべったことがテキストに書き起こされているのだ。 MITなどでも授業のビデオは公開されていたが、当然授業の内容を理解するには授業資料がある場合にせよ、何をしゃべっているかを自分で聞き取るほか無く、リスニング力が低い僕には結構ネックだった。 それが今回しゃべる内容がテキストになっているということで聞き取れなくてもテキストを見ればよいし、リスニングの勉強にもなる。 しかも公開されてい
今回のモダシンラジオは私が最近観た映画について一人語りした回です。 以下の4本の映画について11分46秒ほど話しております。 ・コール・ミー・ダンサー ・クラブゼロ ・はたらく細胞 ・クレイヴン・ザ・ハンター さて、モダシンラジオのデータをホスティングしてもらっているSpotify for Podcasters(旧Anchor）の私のページはこちらです。 https://podcasters.spotify.com/pod/show/kazuyoshi-nagasawa このSpotify for PodcastersページのRSSは以下になります。こちらのRSSではenclosureタグなどでlength値などがしっかり入っているのでこれを購読しておくとよいかと思います。 https://anchor.fm/s/66ff2830/podcast/rss ここで聴く！という人は以下のプレイ
id:naoya さんのLatent Semantic Indexing の記事に触発されて、ここ1週間ほどちょくちょく見ている行列の近似計算手法について書いてみる。ここでやりたいのは単語-文書行列(どの単語がどの文書に出てきたかの共起行列)や購入者-アイテム行列(どの人がどの本を買ったかとか、推薦エンジンで使う行列)、ページ-リンク行列(どのページからどのページにリンクが出ているか、もしくはリンクをもらっているか。PageRank などページのランキングの計算に使う)、といったような行列を計算するとき、大規模行列だと計算量・記憶スペースともに膨大なので、事前にある程度計算しておけるのであれば、できるだけ小さくしておきたい(そして可能ならば精度も上げたい)、という手法である。 行列の圧縮には元の行列を A (m行n列)とすると A = USV^T というように3つに分解することが多いが、も
昨年書いた教科書編が（僕にとっては）嬉しくて跳ね上がるほどブックマークされたので，調子に乗って第二弾を書いてみました．皆様ありがとうございます（ブックマークにがんばってくださいというコメントがあったのがめちゃくちゃ嬉しかったです）．今回は研究寄りですが，少しでも誰かの役に立てば幸いです． 僕は網羅的にサーベイを，キーワード検索以外に主に二つの方法で行っています． 会議毎にサーベイ 研究者毎にサーベイ 1.はさておき，2.ですが，僕は研究者のDBLPをチェックしています．気になる論文の著者のDBLPを眺めると，知らなかった要チェックや！論文を拾うことができます． なので，一線で活躍する研究者の論文は定期的にチェックする必要があります． 今回はIR研究者の中でも，戦闘力が高く，この人は常にウォッチせねばという研究者の一部を紹介したいと思います． 下記は若輩の独断と偏見に基づくものです．一線で活
Web内容マイニング （NECインターネットシステム研究所 楠村幸貴） Web上には膨大の情報が存在している．そこでWebを巨大な知識ベースと捉え，Webから有用な知識を取り出す情報抽出技術の研究が行われている．この技術はWeb内容マイニングとも呼ばれており， 複数のサイトをまとめて提示する情報統合システム[1][2]や，ブログからの評判抽出システム[3][4][5]，コミュニティサイトからの人間関係の抽出システム[6]など，近年多くの研究が行われているトピックとなっている．そこで本ブックマークではこれらのWeb内容マイニング技術を取り上げたい． [1] TSIMMIS, http://infolab.stanford.edu/tsimmis/tsimmis.html [2] ARANEUS, http://www.dia.uniroma3.it/Araneus/ [3] BlogWa
日本人英語学習者コーパス「NICE」の紹介と配布を行うサイトです。 2008年10月4日に、正式版をリリースしました。 NICE は、日本人英語学習者の書いた作文を集めたコーパスデータです。 無償で利用することができます。 データには、TOEIC や TOEFL スコアが記録されていますので、習熟度別のデータ比較が可能です。 （ただし、一部のデータにはスコアのないものもあります。） NICE に関するさらに詳しい情報については、「NICE の概要と特徴」のページをご覧ください。 NICE は、Nagoya Interlanguage Corpus of English の頭文字を取ったものです。名古屋を中心にしてデータが集められたことに由来しています。
プログラミング言語の学会に触発された作った。私視点で書いたので、間違ってたりしたら突っ込んでください。 自然言語処理は、情報検索、ウェブ、機械学習とかとの境界領域だったりするのですが、そういうのは除いてます。 大体の学会情報はACL wiki 論文はACL anthology から得られると思います ACL The Association for Computational Linguistics ACL2008 自然言語処理の一番でかい会議。理論からアプリケーションまで何でも集まるが、強いて言えば 機械翻訳、構文解析が多い。いろいろなワークショップ（１０ぐらい）も併設される。 EMNLP Conference on Empirical Methods in Natural Language Processing EMNLP2008 言語情報から統計的な情報を取り出して機械学習を使って自然
みのもんたさん司会の、このクイズ番組、皆さんご存じですよね。テレビ のクイズ番組「クイズ＄ミリオ ネア」です。このような４択クイズが出演者に与えられ、これを間違わず に次々と解いていくと、最後には、賞金１０００万円がもらえるという番組で す。 さっきの問題の答えを知りたいとき、人間なら、例えば、ウェブのサーチ エンジンに「明知小五郎」と「奥さん」を入力して検索しますよね。そうやっ て検索すると、検索結果のページが得られて、リンクされているページをたどっ て・・・
WikipeJaGo の人名抽出部分を修正 2008-01-10-2 [Programming][Maintenance] Wikipedia 日本語版のXMLデータからキーワードを抽出するツール群 「WkipeJaGo」[2007-12-30-1]をアップデートしました。 - /lang/perl/misc/wikipejago - CodeRepos::Share - Trac http://coderepos.org/share/browser/lang/perl/misc/wikipejago 人名を取り出すスクリプト (ext-wpj-person.pl) は、 今までは日本人の名前だけを対象としていたのですが、 その制限を取り払いました。 うまく抽出できてるっぽかったので CodeRepos にコミット。 最初からこれでよかったかも。 なお、Wikipedia にはいろんなもの
Template type Note also that there are two types of templates. The types are specified with the first character of templates. Unigram template: first character, 'U' This is a template to describe unigram features. When you give a template "U01:%x[0,1]", CRF++ automatically generates a set of feature functions (func1 ... funcN) like: func1 = if (output = B-NP and feature="U01:DT") return 1 else ret
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
