-
shima__shima
- 7331
- 0
- 4
- 2
-
- いいね！2
しましま
@shima__shima
フレーム意味論は，何を誰が食べたという「食べた」みたいなフレームがあって，何とか何をの中身を決める．FrameNet や PropBank などのシステム．分布意味論より構造があるが，世界の完全な記述はできない．
2015-07-06 18:59:51
しましま
@shima__shima
モデル理論的意味論はだいぶ複雑であまりついていけなかった．基本は部分ごとに論理式に変換して，それらのいろいろな連言を考えて尤もらしいものを選ぶという方式．一番記述が完全だが，適用範囲の狭さの問題．
2015-07-06 18:59:59
しましま
@shima__shima
@tmaehara 組み合わせ系のモデル，順序とかだと exhaustive なモデルだと n! とかで死んでしまいますね．分割表をロジスティックにしたりとか，分類でもペアごとにしたりとか
2015-07-06 19:01:29
しましま
@shima__shima
さすがNLPの専門の人は，word2vec で何でもいけるぜぇ〜ヒューっていうのりじゃなくて，いろいろ利害得失を深く考え抜いてるよなぁってのが分かった
2015-07-06 19:03:34
Motoki Sato
@aonotas
ICML2015に参加している人がツイートしてたので、PDF探したらあった。 Natural Language Understanding: Foundations and State-of-the-Art bit.ly/1Ur6uUN
2015-07-06 19:10:09
™
@tmaehara
@aonotas policy search のチュートリアルです（本題は実際のロボットに何かさせるタイプの強化学習の話なので、DQNは脱線です）
2015-07-06 19:42:10
™
@tmaehara
Advances in Structured Prediction tutorial slide hunch.net/~l2s/merged.pdf
2015-07-06 20:46:02
™
@tmaehara
マリオはランダム性が薄いゲームなので，決まった操作を決まったタイミングでやれば，だいたい同じ挙動になる（なのでRTAするときは実質音ゲーになる）．例題としてはわかりやすいのか．
2015-07-06 21:15:22
Michiel ☁️
@Michielstock
So we can solve structured output prediction by transforming it into a # Mario game... #ICML2015 pic.twitter.com/VNwlKJCHP9
2015-07-06 21:19:09
拡大
しましま
@shima__shima
分散行列にいろいろ工夫があって，行列分解して低次元近似，クラスタに分けてブロック対角化，精度行列にして近似とかで，疎性を扱う方法．
2015-07-06 22:31:42
Balázs Kégl
@balazskegl
Tutorial on computational social science by @hannawallach at #ICML2015. Learn to think as a social scientist. pic.twitter.com/nkrpDMGhEm
2015-07-06 23:27:36
拡大
Balázs Kégl
@balazskegl
Causal explanation vs prediction @hannawallach at #ICML2015. pic.twitter.com/R8c9mooe7w
2015-07-06 23:47:19
拡大
Michael Coward
@michaeljcoward
Great first day at #icml2015, looking forward tomorrow. Swing by the @efLDN booth to chat to me and @_ArnaudS_. pic.twitter.com/klGKAd5b92
2015-07-07 02:16:46
拡大
Michael Coward
@michaeljcoward
Turns out Lille is quite nice. #icml2015 pic.twitter.com/UConh8eE1G
2015-07-07 02:59:49
拡大
