English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

本論文では,Nigamら によって提案 されたEMア ルゴリズムを利用 した教師な し学習 の手法 を,SENSEVAL2の 日本語翻訳 タスクで出題 された名詞の語義の曖昧性解消問 題 に適用する.こ の手法は,ラ ベルなしデータをラベルを欠損値 とする観測データ,そ の観測 データを発生させるモデルをNaive Bayesモ デル,こ のモデルの未知パラメー タをラベルcの もとで素性fが 起 る条件付 き確率P(f|c)に 設定 して,EMア ルゴリズ ムを用いる.結 果 として,モ デルの識別精度が向上する.こ こでは識別のための素性 として,対 象単語の前後数単語の原型や表記 とい う簡易 なものに設定 した.実 験 では, ラベル付 き訓練 データのみか ら学習 したNaive Bayesの 正解率が58.2%,同 デー タ か ら学習 した決定 リス トの正解率が58.9%(Ibarakiの 公式成績)で あったのに対 し, ラベル付 き訓練データの他 にラベル なし訓練 デー タを用いた本手法で は,61.8%の 正解率 を得 た.ま た訓練データの一部の不具合 を修正することで,Naive Bayesの 正 解率 を62.3%に 改善で きた.更 に本手法 によりそれ を68.2%に 向上 させることがで きた.

Application of unsupervised learning using EM algorithm to Japanese Translation Task.