• 2016年12月06日(火) 10:30 ～ 17:30

１． 自然言語処理のタスクと機械学習

自然言語処理のタスクと機械学習手法の関係を説明します。自然言語処理のタスクにはなぜ機械学習が使われるのかという基本的なところから、各タスクにどのような機械学習手法が使われるのかを解説します。

　　(1). 自然言語処理とは

　　(2). なぜ機械学習が使われるのか

　　(3). 各タスクと利用される機械学習手法

　　　　a. 形態素解析

　　　　b. 構文解析

　　　　c. 文書分類

　　　　d. 文書クラスタリング

　　　　e. 固有表現抽出

　　　　f. 情報抽出

　　　　g. 文書検索

　　　　h. 文書要約

　　　　i. 質問応答

　　　　j. 機械翻訳

２． テキストからの情報抽出タスクとその基本手法

自然言語処理の応用的タスクとして、テキストからの情報抽出を解説します。時系列テキストデータ（例えば、新聞記事やブログや Twitterなど）からの動向把握、アンケートなどからの意見・評判の分析、関連文書の整理と発見、及びレコメンドシステムをとりあげ、そのタスクで使われる機械学習手法を解説します。またその際にどのような既存ツールが利用できるかも示し、可能ならデモもお見せします。

　　(1). 時系列テキストデータからの動向把握

　　(2). 意見・評判の分析

　　(3). 関連文書の発見と整理

　　(4). レコメンドシステム

３． テキストからの情報抽出の高度手法

比較的新しい手法として、系列ラベリング問題に対する CRF、トピックモデルに対する LDA およびノンパラメトリックベイズの HDP を解説します。これらに対しても利用できるツールを紹介します。また LDA や HDP はベイズ統計の応用です。ベイズ統計は他にも応用が効くので、多少詳しく解説します。さらに近年注目されている DeepLearning の自然言語処理への応用も概説します。

　　(1). 系列ラベリング問題と CRF

　　(2). トピックモデルと LDA

　　(3). ノンパラメトリックベイズと HDP

　　(4). Deep Learning

日本テクノセンター研修室