こんにちは。リサーチサイエンティストの村上（＠ichiroex）です。 現在、AI Lab NLPチームで広告文生成の研究に取り組んでいます。 はじめに 近年、GPT-3やT5などの事前学習された大規模言語モデルの登場により、言語生成技術は飛躍的な進歩を遂げています。最近では、Hugging Face社のTransformersを活用して、様々な研究者・団体から事前学習済みモデルが公開されるようになり、我々の研究やプロダクト開発においても言語生成技術がより身近になっています。 生成モデルの研究開発では、生成したテキストを様々な観点で評価することが一般的です [1]。例えば広告文生成では、評価指標の１つとして、商品やサービスの魅力をより豊かな言い回しで伝えるために、生成テキストの多様性が重要視されています。 具体的には以下のように、同じ広告訴求（商品数の豊富さ、送料無料）でも言い回しが異なれ
The full code is available on Github. In this post we will implement a model similar to Kim Yoon’s Convolutional Neural Networks for Sentence Classification. The model presented in the paper achieves good classification performance across a range of text classification tasks (like Sentiment Analysis) and has since become a standard baseline for new text classification architectures. I’m assuming t
Anitha Kannan , Simon Baker , Krishnan Ramnath , Juliet Fiss , Dahua Lin , Lucy Vanderwende , Rizwan Ansary , Ashish Kapoor , Qifa Ke , Matt Uyttendaele , Xin-Jing Wang , Lei Zhang KDD '14 Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining | August 2014 Published by ACM Press Publication Images can be used to convey many different concepts or illustr
Marti Hearst SIMS,UC Berkeley hearst@sims.berkeley.edu October 17, 2003 I wrote this essay for people who are curious about the topic of text mining after having read the New York Times article by Lisa Guernsey (10/16/2003) or heard my Future Tense interview with Jon Gordon (10/20/2003). What is text mining? What are its potential applications and limitations? Text Mining is the discovery by compu
はじめに "termmi"はWindows上のテキストファイルの専門用語を複数ファイル間で比較するシステムです。Windows専門用語抽出システム"termex"を用いても複数ファイル間の比較は行えますが、重要度の比較が行いにくいなどの問題がありました。テキストマイニング専用に作成した"termmi"を使うことにより複数ファイル間の重要度の数値比較を有意に行えるだけではなく、各文献の共通部分などさまざ まな比較結果を求めることができます。 機能と使い方 １．複数のテキストファイル(Shift-JIS)を入れたフォルダを、termmiのアイコンにドラッグ＆ドロップします。 （和文の場合は「専門用語分析（和布舞）」アイコン、 英文の場合は「専門用語分析（英文）」アイコンになります） ２．termmiの各サブフォルダに処理結果が保存されます。内訳は次のとおりです。 （１）outputフォルダ 処
Our Java courses are 100% practical and up-to-date. You’ll learn Java Core, Maven, Git, Spring (Core, MVC, Security, Boot), Hibernate. All the essentials of the profession – and nothing unnecessary. All of our students participate in teams in real projects, remotely. You’ll sharpen your theory, gain teamwork skills, and gain practical experience for your resume.
Classifier4J is a Java library designed to do text classification. It comes with an implementation of a Bayesian classifier, and now has some other features, including a text summary facility. I usually keep my blog updated with development progress and future directions. Classifier4J Version 0.6 Available (05 Feb 2005)Classifier4J 0.6 is available for download. See the news for further informatio
Webページの自動カテゴライズ の続き。 前回書いたとおり、パストラックで行っている Web ページのカテゴライズでは、Web ページの本文抽出がひとつの鍵になっています。今回はその本文抽出モジュールを公開しつつ、使っている技法をざっくり解説などしてみます。 本モジュールの利用は至極簡単。require して analyse メソッドに解析したい html を与えるだけ。文字コードは UTF-8 です。 【追記】大事なこと書き忘れ。本モジュールは Ruby1.8.5 で動作確認していますが、特別なことはしていないので、1.8.x なら動くと思います。 $KCODE="u" # 文字コードは utf-8 require 'extractcontent.rb' # オプション値の指定 opt = {:waste_expressions => /お問い合わせ|会社概要/} ExtractCont
皆さん、先月の半ば頃からmixiのトップページの3列目に「日記キーワードランキング」というコーナーが登場していたのをご存じでしょうか。手前味噌ながら、これはとても面白い機能で、毎日ランキングが更新される度に素敵なランキングが作られていて悦に入っているmikioです。今回は日記キーワードランキングの秘密についてお話します。 日記キーワードランキングとは、日記に書かれた言葉の使用頻度を統計的に処理して、今話題になっている度合を算出し、その上位をランキング形式で表示する機能です。トップページには5位までが表示されるので、それをチェックするだけで最新の流行を把握することができます。さらに「30位までを読む」に進むと30位までのキーワードとその関連日記が表示されます。詳細を知りたい場合はキーワードをクリックすると、そのキーワードで日記検索をした結果を見ることができます。一通り見るのに10分くらいでし
最新情報 2025 IBMパートナー・プラス・アワードの日本での受賞企業を発表 IBMとバスク州政府、スペインのIBM-Euskadi Quantum Computational Centerに欧州初のIBM Quantum System Twoを設置する計画を発表 IBMとパロアルトネットワークスによる共同調査：サイバーセキュリティーの複雑性を軽減する鍵はプラットフォーム化 日立と日本IBMが共創により、融資DXサービスと金融デジタルサービス・プラットフォームの連携を開始 グローバルな量子エコシステムの成長 IBM、マルチモーダルと推論機能を搭載したエンタープライズ向けのGraniteモデル・ファミリーを拡充 AI技術を用いた研究で肝癌治療の質を向上： 学会データベースを活用した肝癌治療予後予測AIシステムの評価を開始 IBMがHashiCorp社の買収を完了し、総合的なエンドツーエンド
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
Salmon Run