-
- いいね！0
Koichi Hamada
@hamadakoichi
時間あたりのイベント数ではなく、イベント間隔に注目する。より迅速にイベント抽出できる。 #TokyoNLP
2011-01-22 15:10:11
close_yutori
@kimukou2628
#TokyoNLP シンプルな方法) 1)1日ごとに区切る＝＞次の日にならないと集計できない＞＜ ＝＞Twitter数の数を考える 2)イベントの範囲に注目 ＜＝2連続でイベントが起きたらそれはバースト（Burst）? //ノイズ問題
2011-01-22 15:10:58
close_yutori
@kimukou2628
#TokyoNLP 1)イベント検出・・異常値の検出（地震計の揺れ検出） 正規分布を使ってそれっぽく計算 2)時系列ストリームからのイベント検出・・(TL、Blog、ニュース記事、センサ値)からイベント検出 ＝＞時間とともに遣ってくるデータ
2011-01-22 15:15:17
Koichi Hamada
@hamadakoichi
Burst Detection。オートマトン。「通常状態」と「話題の中心にいる状態（Burst State）」。 #TokyoNLP
2011-01-22 15:17:09
close_yutori
@kimukou2628
#TokyoNLP バースト状態・・通常の何倍もの頻度で起きる BurstDetection＝流行チェック・・ノイズの問題が解決していない ステート遷移： Statable=>Burst / Burst=>Statable の遷移に制限を設ける（時間間隔で）
2011-01-22 15:21:15
close_yutori
@kimukou2628
#TokyoNLP 正規化項×状態遷移確率×積×各時点での状態：ｑ(状態シーケンス)ｔ(時間間隔のシーケンス) で有る確率
2011-01-22 15:24:10
Koichi Hamada
@hamadakoichi
各時点でのイベント発生状況が Burst State と Stable State のどちらの確率分布に従うかで推定。 #TokyoNLP
2011-01-22 15:24:59
Koichi Hamada
@hamadakoichi
ノイズ低減は、Burst State と Stable State 間の遷移にペナルティを与え行う。 #TokyoNLP
2011-01-22 15:26:14
Yoh Okuno
@yoh_okuno
どっかで見たことがあると思ったら @beatinaniwa さんのyazztterの発表だ。 http://j.mp/guA7nr #TokyoNLP
2011-01-22 15:44:35
Koichi Hamada
@hamadakoichi
「Confidence Weighted を Learning to Rank に適用してみた」 ( @tkng さん) #TokyoNLP
2011-01-22 16:10:53
close_yutori
@kimukou2628
#TokyoNLP ページランクの話) Yahoo Search、MS Search から論文が出ている。 ＜Googleは情報露出が少ない? ■自然言語/ランク学習 ・高次元/低次元 ・スパース/デンス
2011-01-22 16:11:31
KUBOTA Yuji
@sugarlife
ランク学習として次を紹介：RankingSVM / RankBoost / ListNet / Sofia-ML Sofia-MLはここhttp://code.google.com/p/sofia-ml/ #TokyoNLP
2011-01-22 16:14:19
takesako
@takesako
TF・IDFより精度のいい情報検索アルゴリズム「BM25」のPerlモジュール #TokyoNLP http://d.hatena.ne.jp/download_takeshi/20091206/1260130230
2011-01-22 16:15:43
close_yutori
@kimukou2628
#TokyoNLP ランク学習の評価指標) ・NDCG・・上位何件とるか＜普通は10件ぐらい ・いいサイトは高くしたい ・良くないサイトは低くしたい
2011-01-22 16:16:21
Koichi Hamada
@hamadakoichi
Learning to Rank: RankingSVM, RankBoost, ListNet, Sofia-ML #TokyoNLP
2011-01-22 16:16:53
takesako
@takesako
Confidence WeightedをLearning to Rank（ランク学習?）に適用してみた by @tkngさん発表中 #TokyoNLP → PFI岡野原さんとNLP2011で発表するみたい http://atnd.org/events/11990
2011-01-22 16:18:27
close_yutori
@kimukou2628
#TokyoNLP ■Bigpartite Learning ・学習データが短時間で簡単に作れる ＝＞自然言語でも学習コーパスを作るのが大変 ■PairWise ・データはペア ■ListWise ・データはリスト型 ＜＝学習データ作るのが難しい
2011-01-22 16:19:15
close_yutori
@kimukou2628
#TokyoNLP 学習の簡単さ Bipartite＜PairWise＜ListWise ・Bipartite・・sampleがある程度ある＝＞サンプルの組み合わせで実装できる
2011-01-22 16:24:36
Koichi Hamada
@hamadakoichi
RankingSVM: 最も基本的。学習時間が超長い。 RankBoost: Boosting のランク学習への学習。 ListNet: 並べ替えた結果のリストから学習。ニューラルネットで学習。 #TokyoNLP
2011-01-22 16:27:13
Koichi Hamada
@hamadakoichi
Large Scale Learning to Rank: 全部のペアを見なくてもランダムサンプリングで 数%ぐらいの数を見ればよい。 #TokyoNLP
2011-01-22 16:27:50
KUBOTA Yuji
@sugarlife
数％を見れば良いよ！というLarge Scale Learning to Rankの論文はこちら http://www.eecs.tufts.edu/~dsculley/papers/large-scale-rank.pdf #TokyoNLP
2011-01-22 16:28:09