• 2018年12月25日(火) 10:30 ~ 17:30

１．自然言語処理技術の理解
　　（１）．言語処理課題の特徴
　　　　ａ．言語処理の難しいポイントを整理
　　　　ｂ．言語処理課題を解くために必要な知識とは
　　（２）．実タスクを処理するシステムを構築するために
　　　　ａ．実タスクは個別の問題に適応した手法の開発が必要
　　　　ｂ．学術上の研究課題と実タスクとのギャップ
　　　　ｃ．分野適用性の困難さ
　　　　ｄ．言語処理システムを作るための大まかな方針
　　（３）．言語処理技術と限界
　　　　ａ．自然言語の構造
　　　　（項構造、係り受け、意味役割、語彙意味論他）
　　　　ｂ．言葉の意味を扱う基本的な手法
　　　　（ラベル、関係子(RDF）、述語論理、トピックモデル、分散表現他）
　　　　ｃ．言語処理でよく利用される技術
　　　　（単語の重要度(tf-idf)、良い/悪いなどのキーワードを文書から自動で獲得する手法、原因抽出、分散表現）
　　　　ｄ．言語処理ツール・データ
　　　　 (形態素解析(複数の辞書)、係り受け解析、電子化辞書他)
　　　　ｅ．統計的学習モデル
　　　　（SVM： 文書分類、CRF：形態素列に対するラベル付与)
　　　　ｆ．まとめ
　　（４）．成功例に学ぶ実用レベルの言語処理システムの例
　　　　(論文や研究発表から）
　　　　ａ．クイズ番組で人間に勝利した言語処理システム
　　　　ｂ．twitter解析で利用されている実システム
　　　　ｃ．テキストマイニングで利用されているシステム
　　　　ｄ．深層学習を利用した大規模翻訳システム
　　　　ｅ．試験問題を解くシステムでうまくいった方法
　　　　ｆ．まとめ： 成功する実システムの共通点
　　　　ｇ．質疑応答

２．機械学習(SVMおよび深層学習）によるテキスト分類技術と実習
　　（１）．SVMによるテキスト分類の実習
　　　　ａ．環境構築
　　　　（Windows10 Home上でVirtual boxによるCentOS７．４)
　　　　ｂ．タスク設定(語義曖昧性解消タスクを予定）
　　　　ｃ．識別モデルと特徴量の設計
　　　　ｄ．形態素解析器を利用してSVMに入力するための特徴量ベクトルの作成
　　　　（pythonを利用)
　　　　ｅ．SVMによる学習とテストデータによる評価
　　　　（SVMの出力結果の読み方)
　　　　ｆ．特徴量の変更によるチューニング
　　　　（分散表現(skip-gram)による精度向上の確認他）
　　（２）．Tensorflowによるテキスト分類の実習
　　　　ａ．タスク設定
　　　　ｂ．環境設定の確認
　　　　（Virtual box内で設定したCentOS７．４上でのtensorflowの起動の確認、
　　　　　Virtual box (約8Gbyte) は持ち帰り可能)
　　　　ｃ．深層学習のための入力テキストの特徴ベクトルの作成
　　　　（one-hotベクトル)
　　　　ｄ．LSTMによる語義判別
　　　　（tensorflowでの誤差関数の設計とパッケージ利用のポイント）
　　　　ｅ．単語分散表現で置き換えた特徴ベクトルの作成
　　　　ｆ．LSTMによる単語分散表現を利用した語義判別
　　　　ｇ．深層学習でよく行われるチューニングの実装と実行
　　　　（GRU、Dropoutの適用、L2ノルム、Attentionモデル他）
　　　　ｈ．深層学習の特徴とまとめ
　　（３）．実習及び全体についての質疑応答

日本テクノセンター研修室