| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-09-10 15:50 chiVe: 製品利用可能な日本語単語ベクトル資源の実現へ向けて ～ 形態素解析器Sudachiと超大規模ウェブコーパスNWJCによる分散表現の獲得と改良 ～ ○久本空海・山村 崇・勝田哲弘・竹林佑斗・高岡一馬・内田佳孝（ワークスアプリケーションズ）・岡 照晃・浅原正幸（国立国語研）  NLC2020-9 |
|
| 抄録 | （和） | 事前学習された単語分散表現（単語埋め込み、単語ベクトル）は、自然言語処理において重要な言語資源である。しかし特に日本語では、実用において使い勝手の良いリソースは少ない。我々の取り組む chiVe （チャイブ）は、形態素解析器 Sudachi による複数粒度分割を活用し、100億語規模コーパス NWJC をもとに学習した単語分散表現である。この資源は商用利用可能なライセンスのもと一般公開している（ https://github.com/WorksApplications/chiVe ）。本稿ではその概要と、その改良へ向けた取り組み、特に、未知語対応、同義語辞書の活用、そしてドメイン適用について解説する。 |
| （英） | Pretrained word embeddings (word vectors, distributed representations) are fundamental and important components for recent neural network based natural language processing. However, there are not many resources available for Japanese language that is useful for the practical purpose. “chiVe” is our attempt to construct useful word embedding resource, using morphological analyzer “Sudachi” that provides multi-granular tokenization results, and 10 billion words scale corpus “NWJC”. We made this resource publicly available under Apache 2.0 license that allows commercial usage ( https://github.com/WorksApplications/chiVe ). In this article, we describe the overview of the project, and introduce our ongoing work to further improve the resources which includes handling Out-of-Vocabulary words, utilizing the synonym resources, and adapting to specific domains. | |
| キーワード | （和） | 分散表現 / 形態素解析 / 未知語 / 同義語 / ドメイン適用 / / / |
| （英） | Distributed Representation / Morphological Analysis / Out-of-Vocabulary / Synonym / Domain Adaptation / / / | |
| 文献情報 | 信学技報, vol. 120, no. 166, NLC2020-9, pp. 40-45, 2020年9月. | |
| 資料番号 | NLC2020-9 | |
| 発行日 | 2020-09-03 (NLC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLC2020-9 |
|
| 研究会情報 | |
| 研究会 | NLC |
| 開催期間 | 2020-09-10 - 2020-09-10 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 第16回テキストアナリティクス・シンポジウム |
| テーマ（英） | The Sixteenth Text Analytics Symposium |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLC |
| 会議コード | 2020-09-NLC |
| 本文の言語 | 日本語 |
| タイトル（和） | chiVe: 製品利用可能な日本語単語ベクトル資源の実現へ向けて |
| サブタイトル（和） | 形態素解析器Sudachiと超大規模ウェブコーパスNWJCによる分散表現の獲得と改良 |
| タイトル（英） | chiVe: Towards Industrial-strength Japanese Word Vector Resources |
| サブタイトル（英） | Constructing and Improving Embedding with Tokenizer "Sudachi" and Ultra-large-scale Web-based Corpus "NWJC" |
| キーワード(1)（和/英） | 分散表現 / Distributed Representation |
| キーワード(2)（和/英） | 形態素解析 / Morphological Analysis |
| キーワード(3)（和/英） | 未知語 / Out-of-Vocabulary |
| キーワード(4)（和/英） | 同義語 / Synonym |
| キーワード(5)（和/英） | ドメイン適用 / Domain Adaptation |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 久本 空海 / Sorami Hisamoto / ヒサモト ソラミ |
| 第1著者 所属（和/英） | ワークスアプリケーションズ (略称： ワークスアプリケーションズ) Works Applications (略称： WAP) |
| 第2著者 氏名（和/英/ヨミ） | 山村 崇 / Takashi Yamamura / ヤマムラ タカシ |
| 第2著者 所属（和/英） | ワークスアプリケーションズ (略称： ワークスアプリケーションズ) Works Applications (略称： WAP) |
| 第3著者 氏名（和/英/ヨミ） | 勝田 哲弘 / Akihiro Katsuta / カツタ アキヒロ |
| 第3著者 所属（和/英） | ワークスアプリケーションズ (略称： ワークスアプリケーションズ) Works Applications (略称： WAP) |
| 第4著者 氏名（和/英/ヨミ） | 竹林 佑斗 / Yuto Takebayashi / タケバヤシ ユウト |
| 第4著者 所属（和/英） | ワークスアプリケーションズ (略称： ワークスアプリケーションズ) Works Applications (略称： WAP) |
| 第5著者 氏名（和/英/ヨミ） | 高岡 一馬 / Kazuma Takaoka / タカオカ カズマ |
| 第5著者 所属（和/英） | ワークスアプリケーションズ (略称： ワークスアプリケーションズ) Works Applications (略称： WAP) |
| 第6著者 氏名（和/英/ヨミ） | 内田 佳孝 / Yoshitaka Uchida / ウチダ ヨシタカ |
| 第6著者 所属（和/英） | ワークスアプリケーションズ (略称： ワークスアプリケーションズ) Works Applications (略称： WAP) |
| 第7著者 氏名（和/英/ヨミ） | 岡 照晃 / Teruaki Oka / オカ テルアキ |
| 第7著者 所属（和/英） | 国立国語研究所 (略称： 国立国語研) National Institute for Japanese Language and Linguistics (略称： NINJAL) |
| 第8著者 氏名（和/英/ヨミ） | 浅原 正幸 / Masayuki Asahara / アサハラ マサユキ |
| 第8著者 所属（和/英） | 国立国語研究所 (略称： 国立国語研) National Institute for Japanese Language and Linguistics (略称： NINJAL) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-09-10 15:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLC |
| 資料番号 | NLC2020-9 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.166 |
| ページ範囲 | pp.40-45 |
| ページ数 | 6 |
| 発行日 | 2020-09-03 (NLC) |
[研究会発表申込システムのトップページに戻る]