Try   HackMD

2021-01-19 しおりさん打ち合わせ

  • 主語s-述語p-目的語o
  • アプローチ1: 今までは、sとpがgiven, oを推定
  • アプローチ2: sとoがgiven, pを推定
    • s=「過労死」の例を試す
  • アプローチ3: pがgiven, pを説明する文を探してsとoを推定
    • まずはp1=「原因 wdt:P828」、p2=「以下の原因 wdt:P1542」を試す
    • wdt:P828を説明する文を探すときは、
      • 一番単純な手法：キーワードマッチング「引き起こす」「誘因する」「原因になる」「～のため」
      • もう少し精度の高い手法：訓練データ（因果関係を表す文）を集めてALBERT等で分類
    • wdt:P828について言っている文をどう探すか
      1. Wikidataの中で、?s wdt:P828 ?o にマッチする?s と?o のペアを探す
      2. ?sの日本語名と、?oの日本語名が共起している1文をWikipediaやWebから自動的に探す
      3. クラウドソーシングで因果関係を表す文かどうか判定してもらう(3のときには、負事例＝因果関係ではなさそうな、ランダムに取得した文についてもクラウドワーカーに確認してもらう)
    • 原因だけでなく、他のpについても同じ方法でやってみる * 原因だけでなく、他のpについても同じ方法でやってみる
Last changed by 
 
Shun Shiramatsu
0
160

Read more

ChatGPT×SFプロトタイピング

お名前

Nov 25, 2023
CivicTech俯瞰図鑑

なにがしたいの？ シビックテックに新しく興味をもってくれた人に、各地シビックテックコミュニティの特徴をわかりやすく伝えたい。 既にシビックテック活動をしている人にも、他の地域のシビックテックコミュニティの特徴がわかるようにしたい。 そこで、各地のシビックテックコミュニティの性格や得意分野がわかるような「俯瞰図」「得意分野マップ」みたいなものを作れば、どのシビックテックコミュニティと相性が良いかわかるようになるのでは？ せっかく「俯瞰図鑑」という名前にしたので、図鑑っぽい楽しい見た目にしたいとも考えています。 どうやって可視化してるの？

Jul 24, 2021
2021/04/08

議論文章のマルチラベル分類分析 開發 大樹（白松研 研究員） 概要 いただいた議論テキストと特徴ラベルからマルチラベル分類を行い、ある発言に特定の特徴が含まれるかを予測する学習モデルを構築した。学習アルゴリズムにはBERTを用いた。 結果として、「発言者の意見」「発言者の理由」「コスト・量」に対応する発言の予測が比較的良い精度（F値が0.7以上）となった。 「リスク」「風評被害スティグマ」の予測精度が良くなかった。理由としては、これらの特徴を持っ発言数が少なく、十分に学習できていない可能性が考えられる。

Apr 8, 2021
2021-03-17ゼミ

3/18(木)～20(土)　IPSJ 2021 https://www.ipsj.or.jp/event/taikai/83/adv_reserve.html 3/20(土) 議論実験補助（謝金あり） 9:00 松本君 13:50 安田君 21:00 長谷川君

Mar 17, 2021
Read more from Shun Shiramatsu
Published on HackMD