Corpora on Demand: Scalable Methods of Obtaining Linguistic Data

• 研究課題/領域番号: 17K12739
• 研究種目: 若手研究(B)
• 配分区分: 基金
• 研究分野: 知能情報学
• 研究機関: 東京工業大学
• 研究代表者: ドローズド アレクサンドロ 東京工業大学, 情報理工学院, 研究員 (90740126)
• 研究期間 (年度): 2017-04-01 – 2019-03-31
• 研究課題ステータス: 完了 (2018年度)
• 配分額: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円); 2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円); 2017年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
• キーワード: corpora / evaluation / text representations / embeddings / benchmarking / 自然言語処理

研究成果の概要

テキスト表現のための評価ベンチマークのセットを開発しました。テキストを収集するためのスクリプトを開発しました。これにより、クーポラの品質を評価できます。すべての結果(ソフトウェアとリソース)は http://vecto.space/ プロジェクトウェブサイトで公開されています。ソフトウェアはすべてオープンソースです。

研究成果の学術的意義や社会的意義

This research project contributed to the development of methods of filtering textual data and evaluating text representations.

研究成果

• [雑誌論文] Investigating Different Syntactic Context Types and Context Representations for Learning Word Embeddings (2017)
  • 著者名/発表者名: Bofang Li, Tao Liu, Zhe Zhao, Buzhou Tang, Aleksandr Drozd, Anna Rogers, Xiaoyong Du
  • 雑誌名: Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing 巻: EMNLP 2017 ページ: 2421-2431
  • DOI: 10.18653/v1/d17-1257
  • 査読あり / オープンアクセス / 国際共著
• [雑誌論文] The (too Many) Problems of Analogical Reasoning with Word Vectors (2017)
  • 著者名/発表者名: Anna Rogers, Aleksandr Drozd and Bofang Li
  • 雑誌名: Proceedings of the 6th Joint Conference on Lexical and Computational Semantics 巻: *SEM 2017 ページ: 135-148
  • DOI: 10.18653/v1/s17-1017
  • 査読あり / オープンアクセス / 国際共著
• [学会発表] Subcharacter information in japanese embeddings: when is it worth it? (2018)
  • 著者名/発表者名: Marzena Karpinska, Bofang Li, Anna Rogers, and Aleksandr Drozd
  • 学会等名: Workshop on Relevance of Linguistic Structure in Neural Architectures for NLP (RELNLP)
  • 国際学会
• [学会発表] Subword-level composition functions for learning word embeddings (2018)
  • 著者名/発表者名: Bofang Li, Aleksandr Drozd, Tao Liu, and Xiaoyong Du
  • 学会等名: 2nd Workshop on Subword and Character level models in NLP (SCLeM)
  • 国際学会
• [学会発表] HPCとビッグデータ・AIを融合するグリーン・クラウドスパコンTSUBAME3.0の概要 (2017)
  • 著者名/発表者名: 松岡 聡, 遠藤 敏夫, 額田 彰, 三浦 信一, 野村 哲弘, 佐藤 仁, 實本 英之, Drozd Aleksand
  • 学会等名: 情報処理学会 研究報告 2017-HPC-160
• [備考] vecto library
  • URL: http://vecto.space
• [備考] source codes for VSMlib library
  • URL: https://github.com/undertherain/vsmlib
• [備考] tutorials and datasets related to VSMlib
  • URL: http://vsm.blackbird.pw/
• [学会・シンポジウム開催] Deep Learning from HPC Perspectives: Opportunities and Challenges (2018)
• [学会・シンポジウム開催] Distributional Compositional Semantics in the Age of Word Embeddings: Tasks, Resources and Methodology (2018)
• [学会・シンポジウム開催] The Third Workshop on Evaluating Vector Space Representations for NLP (2018)