Recomendados
Recomendados
Más contenido relacionado
Último
Último (20)
Destacado
Destacado (20)
Shin acl参加報告2015
- 1. ACL参加報告 @ yans2015 首都大学東京 小町研究室 M1 叶内 晨 @shin_kan0 1 2015/09/05 yans2015
- 2. 自己紹介 • 名前：叶内 晨（かのうち しん） • 所属：首都大 小町研 M1 • 研究： – B4：NLPのweb応用分野 • Tweetにおける罹患の検出 – M1：機械翻訳 • 並び替えモデルの改善 • 趣味 – サッカー – アニメ @shin_kan0 ↑ ゼロ 2 2015/09/05 yans2015
- 3. 内容 • ACL2015の参加報告(5分) • 論文を通すまでにしたこと(5分) • 自分の研究について(5分) – 風邪を保有する主体の認識 OUTLINE 3 2015/09/05 yans2015
- 14. 学会の1日の流れ • 9:00 -‐ 招待講演とか • 10:00 -‐ 午前の口頭発表 • 12:00 -‐ お昼 • 13:30 -‐ 午後の口頭発表 • 17:30 -‐ ポスター発表 & ディナー • 21:00 -‐ ソーシャルイベント 14 2015/09/05 yans2015
- 32. ACLのまとめ • 研究のブーム – 深層学習・分散表現を使ったものがかなり多かった • 英語 – 勉強していない人は今からやるべき • 参加することで得られる知見: 大 • 勉強と観光の両方が楽しめる J 32 2015/09/05 yans2015
- 33. • ACLの参加報告(5分) • 論文を通すまでにしたこと (5分) • 自分の研究について(5分) – 風邪を保有する主体の認識 OUTLINE 33 2015/09/05 yans2015
- 34. 私の Accept までの流れ • 9/2 Project Next NLP に参加 – Web 応用チーム に入る – Tweetのデータを頂く • 11/2 テーマ決定 – 風邪を保有する主体の推定 • 1/21 言語処理年次大会 提出 • 2/28 ACL long paper 提出 • 4/25 Accept !! 2014 2015 • エラー分析 • テーマの模索 (2ヶ月) • 実験 • 論文執筆 (2ヶ月) • 論文の英訳 (1ヶ月) • 落ちたとき用に， 他の会議の準備 34 2015/09/05 yans2015
- 35. 私の Accept までの流れ • 9/2 Project Next NLP に参加 – Web 応用チーム に入る – Tweetのデータを頂く • 11/2 テーマ決定 – 風邪を保有する主体の推定 • 1/21 言語処理年次大会 提出 • 2/28 ACL long paper 提出 • 4/25 Accept !! 2014 2015 • エラー分析 • テーマの模索 (2ヶ月) • 実験 • 論文執筆 (2ヶ月) • 論文の英訳 (1ヶ月) • 落ちたとき用に， 他の会議の準備 35 2015/09/05 yans2015
- 36. 研究とテーマ選びで思ったこと • 結果が良ければ論文を書く • 結果が悪ければサーベイに戻る • (B4，M1的には，)わからないとこ ろは，うまく頼りつつ成功したい OK NG サーベイ エラー分析 実験 テーマ決定 手法提案 論文執筆 投稿 36 2015/09/05 yans2015
- 37. 研究とテーマ選びで思ったこと • 結果が良ければ論文を書く • 結果が悪ければサーベイに戻る • (B4，M1的には，)わからないとこ ろは，うまく頼りつつ成功したい OK NG サーベイ エラー分析 実験 テーマ決定 手法提案 論文執筆 投稿 ここで(嫌われない程度に) • 分野に詳しい人の意見を 聞きまくる • まずは自分の教授へ • お金を払ってその権利を買っている？ 37 2015/09/05 yans2015
- 38. 多くの人を巻き込む • Project Next NLP に参加 (9/1~9/3) – 岡崎先生(東北大)，荒牧先生(もと京大) と出会う – その後共同研究となり，結局ここをベースに論文 執筆 • Yans2014 に参加 (9/21 ~ 9/23) • DSIRNLP に参加 (10/11) – LT枠を頂いて自分の研究について発表 • 西川大先生や，Lineの佐藤さんなどからアドバイス 38 2015/09/05 yans2015
- 39. 論文を通すまでにしたこと の まとめ • サーベイとエラー分析はできるところまでやる • わからないときは迷わず，周りの力を利用 • そのためにいろいろな人と関わる – 来年もyansに来る 39 2015/09/05 yans2015
- 40. 内容 • ACLの参加報告(5分) • 論文を通すまでにしたこと(5分) • 自分の研究について(5分) – 風邪を保有する主体の推定 OUTLINE 40 2015/09/05 yans2015
- 41. 疾患の流行 → 現代の大きな心配事 41 2015/09/05 yans2015
- 42. 罹患検出 • 役割 – 早期対策が可能 – 状況を知ることで，正しい判断ができる • 一般的な検出方法 – 病院に罹った患者の数から流行を予測 – BUT: 1~2週間のタイムラグ & HIGH コスト 42 2015/09/05 yans2015
- 43. ツイートを利用した罹患検出 Broniatowski+ (2013). Na`onal and Local Influenza Surveillance through Twifer: An Analysis of the 2012-‐2013 Influenza Epidemic. PLoS ONE 8(12): e83672. 単なるツイート数 罹患検出アル ゴリズムを適用 43 2015/09/05 yans2015
- 44. なぜ罹患検出アルゴリズム が必要なのか • メディアが発言を助長（Broniatowski+ 13） • キーワードが発言者の体験・状態を反映せず AKB48まゆゆ（渡辺麻友）がインフルエンザでダウ ン。4日からの握手会を欠席に AKB48まゆゆ（渡辺麻友）がインフルエンザでダウ ン。4日からの握手会を欠席に AKB48まゆゆ（渡辺麻友）がインフルエンザでダウ ン。4日からの握手会を欠席に AKB48まゆゆ（渡辺麻友）がインフルエンザでダウ ン。4日からの握手会を欠席に AKB48まゆゆ（渡辺麻友）がインフルエンザでダウ ン。4日からの握手会を欠席に AKB48まゆゆ（渡辺麻友）がインフルエンザでダウ ン。4日からの握手会を欠席に AKB48まゆゆ（渡辺麻友）がインフルエンザでダウ ン。4日からの握手会を欠席に インフルエンザに罹る人を一人でも減らせるように と思って，ワクチン打ってきた． 44 2015/09/05 yans2015
- 45. 罹患検出 ≒ エラーの削減 • エラーの原因は様々だが，できるだけ他のタ スクにも通用するエラーを改善したい 45 2015/09/05 yans2015
- 46. 今回の取り組み: 疾患・症状を保有する主体の推定 • 「非当事者」ツイートをフィルタリング • 手法 – 誰が風邪に罹っているかという主体の情報を付与 – 付与したデータを使い，主体の自動推定器を訓練 • 貢献 – 主体を推定することで罹患検出の性能が改善 46 2015/09/05 yans2015
- 47. どんなことをするのか？ 荒牧ら(2011)が作成 本研究でラベル付け ※文内に主体が出現する場合のみ，その表現の出現箇所を記録 疾患: 風邪，咳，頭痛，寒気，鼻水，熱・喉の痛み 各疾患に対し，500ツイートを手作業でラベル付 47 2015/09/05 yans2015
- 48. 主体ラベルの種類 ラベル 意味 発言例 一人称 発言した話者が疾患に関与 風邪引いてひきこもりたい 周辺人物 話者が直接見聞きできる範 囲の人物が疾患に関与 弟がめっちゃ咳してて怖い その他 人物 それ以外の人物が疾患に 関与 大島優子が風邪らしい… 物体 人間以外の生物・物体が状 態の主体 また PC が発熱 主体なし 主体が存在せず，疾患のイ ベントが発生していない 風邪薬買って帰る~ 48 2015/09/05 yans2015
- 49. 主体ラベル推定器の素性 Bag-‐of-‐Words (BoW) : 疾患クエリの前後9形態素 疾患クエリ : 疾患クエリが何か （例 : 風邪，発熱） 2,3gram : 疾患クエリの前後6文字の2gram，3gram URL : 発言内に URL があるかどうか RP, RT : 発言内にリプライ・リツイートがあるかどうか 周辺人物辞書 : 周辺人物の主体として適切な単語を人手で集め，発言内にあ る場合に発火 (例 : 彼女，妹，嫁) その他人物辞書 : 周辺人物辞書と同様にして，その他人物辞書を作成し使用 (例 : 幼児，学生，日本人) 人名 : 「さん・君・ちゃん」の正規表現と一致，もしくはmecabの解析結果で人名 が発言にある場合に発火 Tweetサイズ : 発言の形態素の数に合わせて発火 疾患クエリが主辞 : 疾患クエリの次の形態素が名詞以外の場合に疾患クエリ が主辞であるとして発火 49 2015/09/05 yans2015
- 50. 主体推定器の精度 (4値分類) 素性 Micro F1 Macro F1 BoW（ベースライン） 77.2 42.2 BoW + 疾患クエリ 81.9 53.6 BoW + RT & reply 80.0 47.1 BoW + 周辺人物辞書 77.6 46.8 全ての素性 84.0 61.8 50 2015/09/05 yans2015
- 51. 罹患検出における貢献 風 邪 咳 頭 痛 寒 気 鼻 水 熱 F1 ベースライン(BL) 84.4 88.5 90.8 75.9 89.2 78.1 84.5 BL + 推定した主体 85.0 88.3 90.7 81.4 89.4 80.2 85.8 BL + ゴールドデータの主体 87.7 92.6 93.5 88.5 91.4 88.6 90.4 • 主体の自動推定により罹患検出が改善(+1.3poit) • 主体の正解データを使えばF値が大幅上昇(+5.9point ) • 頭痛と鼻水のF値が変わりづらいのは，他人の頭痛・ 鼻水に言及しにくいから？ 51 2015/09/05 yans2015
- 52. 主体推定のエラー • 現状は「一人称」を予測しすぎ – 鼻水のお薬は効きすぎる – 風邪なのに仕事とかなんなの？移すの？ • 人間が見ても主体が不明 – 春の鼻水祭り – 鼻水爆発しろ！ • 「寒気」の曖昧性 – シベリアから降りてくる寒気は針葉樹の匂いがする 52 2015/09/05 yans2015
- 53. まとめ ある程度努力して， バットを振ると， ACLに通ることがある 53 2015/09/05 yans2015