Enviar pesquisa
Carregar
やさしい日本語言い換えシステムを支える技術
•
26 gostaram
•
6,077 visualizações
Eric Sartre
Seguir
coinsLT #1で話した(けど途中までしか話せなかった)内容。ルールベースの言い換えシステムの効率的な実装の内部を説明。
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 96
Baixar agora
Baixar para ler offline
Recomendados
Rの初歩: 4. 関数とプログラミング
Rの初歩: 4. 関数とプログラミング
Teiko Suzuki
ネトゲで人生を変えたい
ネトゲで人生を変えたい
Eric Sartre
「わからない」との付き合い方
「わからない」との付き合い方
Eric Sartre
初めてのCPUを作ってみた
初めてのCPUを作ってみた
Eric Sartre
ゆとりが数週間でC++を始めるようです
ゆとりが数週間でC++を始めるようです
Eric Sartre
(昔は)人気のあーきてくちゃ
(昔は)人気のあーきてくちゃ
Yojiro Uo
あるmmapの話
あるmmapの話
nullnilaki
ぼくとしりとりの約3.0*10^3日間戦争
ぼくとしりとりの約3.0*10^3日間戦争
Eric Sartre
Recomendados
Rの初歩: 4. 関数とプログラミング
Rの初歩: 4. 関数とプログラミング
Teiko Suzuki
ネトゲで人生を変えたい
ネトゲで人生を変えたい
Eric Sartre
「わからない」との付き合い方
「わからない」との付き合い方
Eric Sartre
初めてのCPUを作ってみた
初めてのCPUを作ってみた
Eric Sartre
ゆとりが数週間でC++を始めるようです
ゆとりが数週間でC++を始めるようです
Eric Sartre
(昔は)人気のあーきてくちゃ
(昔は)人気のあーきてくちゃ
Yojiro Uo
あるmmapの話
あるmmapの話
nullnilaki
ぼくとしりとりの約3.0*10^3日間戦争
ぼくとしりとりの約3.0*10^3日間戦争
Eric Sartre
正則化つき線形モデル(「入門機械学習第6章」より)
正則化つき線形モデル(「入門機械学習第6章」より)
Eric Sartre
自然言語処理における意味解析と意味理解
自然言語処理における意味解析と意味理解
Kanji Takahashi
深層学習による自然言語処理の研究動向
深層学習による自然言語処理の研究動向
STAIR Lab, Chiba Institute of Technology
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
放送ニュースの基本語彙の抽出
放送ニュースの基本語彙の抽出
AsakuraYasunobu
Verilog-HDL Tutorial (1)
Verilog-HDL Tutorial (1)
Hiroki Nakahara
「C言語規格&MISRA-C:みんなで楽しいCプログラミング」NGK2013B名古屋合同懇親会2013忘年会昼の部
「C言語規格&MISRA-C:みんなで楽しいCプログラミング」NGK2013B名古屋合同懇親会2013忘年会昼の部
Kiyoshi Ogawa
And/Or/Callグラフの提案とソースコード検索への応用
And/Or/Callグラフの提案とソースコード検索への応用
Kamiya Toshihiro
正規言語と代数と論理の対応:An Introduction to Eilenberg’s Variety Theorem
正規言語と代数と論理の対応:An Introduction to Eilenberg’s Variety Theorem
Ryoma Sin'ya
技官のお仕事(仮) [The Work of Technical Staff & Principles of fuel cells]
技官のお仕事(仮) [The Work of Technical Staff & Principles of fuel cells]
Jun Sato
モーターの独り言
モーターの独り言
Kodensha Co.,Ltd.
僕とロボコン
僕とロボコン
Noriki Nakamura
14対話bot発表資料
14対話bot発表資料
Keiichirou Miyamoto
NetBSD on Google Compute Engine (en)
NetBSD on Google Compute Engine (en)
Ryo ONODERA
家族のためにエンジニアとしてやってみたこと(What I did for my family as an engineer)
家族のためにエンジニアとしてやってみたこと(What I did for my family as an engineer)
Kazuya Numata
pkgsrcユーザー向け設定
pkgsrcユーザー向け設定
Ryo ONODERA
MDの基本と応用について
MDの基本と応用について
東海北陸ロボコン 交流会
富山本郷キャンパス-ロボット紹介
富山本郷キャンパス-ロボット紹介
東海北陸ロボコン 交流会
富山高専射水キャンパス ロボット紹介
富山高専射水キャンパス ロボット紹介
東海北陸ロボコン 交流会
Twitterの高専クラスタを頑張って可視化してみる
Twitterの高専クラスタを頑張って可視化してみる
futada
情報を表現するときのポイント
情報を表現するときのポイント
onozaty
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
CRI Japan, Inc.
Mais conteúdo relacionado
Destaque
正則化つき線形モデル(「入門機械学習第6章」より)
正則化つき線形モデル(「入門機械学習第6章」より)
Eric Sartre
自然言語処理における意味解析と意味理解
自然言語処理における意味解析と意味理解
Kanji Takahashi
深層学習による自然言語処理の研究動向
深層学習による自然言語処理の研究動向
STAIR Lab, Chiba Institute of Technology
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
放送ニュースの基本語彙の抽出
放送ニュースの基本語彙の抽出
AsakuraYasunobu
Verilog-HDL Tutorial (1)
Verilog-HDL Tutorial (1)
Hiroki Nakahara
「C言語規格&MISRA-C:みんなで楽しいCプログラミング」NGK2013B名古屋合同懇親会2013忘年会昼の部
「C言語規格&MISRA-C:みんなで楽しいCプログラミング」NGK2013B名古屋合同懇親会2013忘年会昼の部
Kiyoshi Ogawa
And/Or/Callグラフの提案とソースコード検索への応用
And/Or/Callグラフの提案とソースコード検索への応用
Kamiya Toshihiro
正規言語と代数と論理の対応:An Introduction to Eilenberg’s Variety Theorem
正規言語と代数と論理の対応:An Introduction to Eilenberg’s Variety Theorem
Ryoma Sin'ya
技官のお仕事(仮) [The Work of Technical Staff & Principles of fuel cells]
技官のお仕事(仮) [The Work of Technical Staff & Principles of fuel cells]
Jun Sato
モーターの独り言
モーターの独り言
Kodensha Co.,Ltd.
僕とロボコン
僕とロボコン
Noriki Nakamura
14対話bot発表資料
14対話bot発表資料
Keiichirou Miyamoto
NetBSD on Google Compute Engine (en)
NetBSD on Google Compute Engine (en)
Ryo ONODERA
家族のためにエンジニアとしてやってみたこと(What I did for my family as an engineer)
家族のためにエンジニアとしてやってみたこと(What I did for my family as an engineer)
Kazuya Numata
pkgsrcユーザー向け設定
pkgsrcユーザー向け設定
Ryo ONODERA
MDの基本と応用について
MDの基本と応用について
東海北陸ロボコン 交流会
富山本郷キャンパス-ロボット紹介
富山本郷キャンパス-ロボット紹介
東海北陸ロボコン 交流会
富山高専射水キャンパス ロボット紹介
富山高専射水キャンパス ロボット紹介
東海北陸ロボコン 交流会
Twitterの高専クラスタを頑張って可視化してみる
Twitterの高専クラスタを頑張って可視化してみる
futada
Destaque
(20)
正則化つき線形モデル(「入門機械学習第6章」より)
正則化つき線形モデル(「入門機械学習第6章」より)
自然言語処理における意味解析と意味理解
自然言語処理における意味解析と意味理解
深層学習による自然言語処理の研究動向
深層学習による自然言語処理の研究動向
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
放送ニュースの基本語彙の抽出
放送ニュースの基本語彙の抽出
Verilog-HDL Tutorial (1)
Verilog-HDL Tutorial (1)
「C言語規格&MISRA-C:みんなで楽しいCプログラミング」NGK2013B名古屋合同懇親会2013忘年会昼の部
「C言語規格&MISRA-C:みんなで楽しいCプログラミング」NGK2013B名古屋合同懇親会2013忘年会昼の部
And/Or/Callグラフの提案とソースコード検索への応用
And/Or/Callグラフの提案とソースコード検索への応用
正規言語と代数と論理の対応:An Introduction to Eilenberg’s Variety Theorem
正規言語と代数と論理の対応:An Introduction to Eilenberg’s Variety Theorem
技官のお仕事(仮) [The Work of Technical Staff & Principles of fuel cells]
技官のお仕事(仮) [The Work of Technical Staff & Principles of fuel cells]
モーターの独り言
モーターの独り言
僕とロボコン
僕とロボコン
14対話bot発表資料
14対話bot発表資料
NetBSD on Google Compute Engine (en)
NetBSD on Google Compute Engine (en)
家族のためにエンジニアとしてやってみたこと(What I did for my family as an engineer)
家族のためにエンジニアとしてやってみたこと(What I did for my family as an engineer)
pkgsrcユーザー向け設定
pkgsrcユーザー向け設定
MDの基本と応用について
MDの基本と応用について
富山本郷キャンパス-ロボット紹介
富山本郷キャンパス-ロボット紹介
富山高専射水キャンパス ロボット紹介
富山高専射水キャンパス ロボット紹介
Twitterの高専クラスタを頑張って可視化してみる
Twitterの高専クラスタを頑張って可視化してみる
Último
情報を表現するときのポイント
情報を表現するときのポイント
onozaty
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
CRI Japan, Inc.
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltd
kokinagano2
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
Takayuki Nakayama
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
CRI Japan, Inc.
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
KLab Inc. / Tech
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
iPride Co., Ltd.
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperleger Tokyo Meetup
Último
(8)
情報を表現するときのポイント
情報を表現するときのポイント
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltd
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
やさしい日本語言い換えシステムを支える技術
1.
やさしい日本語への 言い換えシステムを 支える技術
情報科学類4年 えりっく
2.
やさしい日本語への 言い換えシステムを 支える技術
情報科学類4年 えりっく 自然言語処理研究室
3.
やさしい日本語への 言い換えシステムを 卒研でない
支える技術 情報科学類4年 えりっく 自然言語処理研究室
4.
やさしい日本語への 言い換えシステムを 支える技術
情報科学類4年 えりっく 趣味 自然言語処理研究室
5.
やさしい日本語への 言い換えシステムを 支える技術
情報科学類4年 えりっく 趣味 自然言語処理研究室
6.
やさしい日本語への 言い換えシステムを 支える技術
?
7.
やさしい日本語とは
8.
やさしい日本語とは 日本語弱者のための日本語
9.
やさしい日本語とは こども
外国人 日本語弱者のための日本語
10.
やさしい日本語とは こども
外国人 日本語弱者のための日本語 より具体的に言えば、 日本語能力試験の3級以下の語彙
11.
やさしい日本語への 言い換えシステムを 支える技術
!
12.
やさしい日? 本語への 言い換えシステムを
支える技術
13.
言い換えとは(3行で)
14.
言い換えとは(3行で) 意味を変えずに
15.
言い換えとは(3行で) 意味を変えずに 別の表現に
16.
言い換えとは(3行で) 意味を変えずに 別の表現に
置き換える
17.
言い換えシステムとは 例えば「しずかったー」
18.
言い換えシステムとは 例えば「しずかったー」 罵詈雑言を
きれいな言葉に 言い換えてくれる
19.
やさしい日! 本語への 言い換えシステムを
支える技術
20.
やさしい日本語への 言い換えシステムを 支える技術
21.
きっかけ • 東京国際大学の川村教授が考案
• 先輩が過去にこのシステムを作っていた • 「引き継がないか」と言われて引き継いだ • 引き継いだ結果全部書き直した • 月2回の出勤で5万円
22.
きっかけ • 東京国際大学の川村教授が考案
• 先輩が過去にこのシステムを作っていた • 「引き継がないか」と言われて引き継いだ • 引き継いだ結果全部書き直した • 月2回の出勤で5万円
23.
きっかけ • 東京国際大学の川村教授が考案
• 先輩が過去にこのシステムを作っていた • 「引き継がないか」と言われて引き継いだ • 引き継いだ結果全部書き直した • だれか引き継がない?
24.
Q. 書き換えって 単語で辞書引いて
置換するだけじゃ...
25.
と思うじゃん?
26.
ぼくも最初は思ったよ。
27.
朝食 → 朝ごはん
わかる 名詞 名詞
28.
朝食 → 朝ごはん
培え ば → 育てれ ば まあ わかる 動詞(仮定) 動詞(仮定)
29.
朝食 → 朝ごはん
培え ば → 育てれ ば 獲得 し て → 得 て 2語か... サ変名詞 動詞 (連用) 動詞 (連用)
30.
朝食 → 朝ごはん
培え ば → 育てれ ば 獲得 し て → 得 て 読書 し て → 読ん で !?
31.
朝食 → 朝ごはん
培え ば → 育てれ ば 獲得 し て → 得 て 読書 し て → 読ん で の 列挙 → を 並べる こと !? !?
32.
A. 意外とめんどい
33.
今回の言い換えシステムの仮定 ・局所最適化(フレーズ単位で言い換え)すれば、 全体最適化される(意味の通る文章になる)
・文の先頭からルールにマッチさせて 変換できる (back-‐trackなし)
34.
言い換えの流れ 1 フィルタ処理
・名詞列の言い換え回避 ・連語の連結 ルール適用 2 ルールベースの置き換え
35.
言い換えの流れ 1 フィルタ処理
・名詞列の言い換え回避 ・連語の連結 こちらだけ 説明 ルール適用 2 ルールベースの置き換え
36.
これから話す内容(in Haskell) trait_label
:: Word → Label type Rule = [Word] → Int × [Word] prefix_match :: [Label] → Rule × Int simplify :: [Word] → [Word] simplify seq = simplify' seq [] simplify' :: [Word] → [Word] → [Word] simplify' [] applied = applied simplify' seq applied = let trait_seq = map (e -> trait_label e) seq let (rule, len) = prefix_match trait_seq in let (chunk, offset) = rule (take seq len) in simplify' (drop (len - offset)) (applied ++ chunk)
37.
「・・・は?」
38.
ちょっとまって逃げないで わかりやすく説明するから... (´;ω;`)ウッ…
39.
紹介する3つの概念 特徴ラベル関数 trait_label
言い換えルール型 Rule 前方一致検索関数 prefix_match
40.
特徴ラベル関数 trait_label
41.
特徴ラベル関数 単語から特徴ラベルへの全射的な関数
42.
特徴ラベル関数 後述 単語から特徴ラベルへの全射的な関数
43.
特徴ラベル関数 単語から特徴ラベルへの全射的な関数 表層形・原形・品詞などで決定する
44.
特徴ラベル関数 単語から特徴ラベルへの全射的な関数 表層形・原形・品詞などで決定する
ルールマッチ時の分岐の煩雑さを 解消するために勝手に導入した
45.
特徴ラベル関数 単語から特徴ラベルへの全射的な関数 表層形・原形・品詞などで決定する
ルールマッチ時の分岐の煩雑さを 解消するために勝手に導入した ※型注釈で言うと trait_label :: Word → Label
46.
特徴ラベル関数の例 trait_label( )
= :m_proper 固有名詞 coins trait_label( 食 べ る ) = :d_other ※型注釈で言うと trait_label :: Word → Label 動詞(その他) trait_label( す る ) = :d_suru 動詞(スル) 全29種類(有限集合)。 d_itdk, d_kdsr, d_nsr, d_other, d_rrrrr, d_srssr, d_suru, go, j_de, j_ga, j_hkm, j_ni, j_no, j_other, j_te, j_trdr, j_woto, jd_aru, jd_kako, jd_na, jd_nai, jd_spe_da, jd_zu, keiyoshi, m_gokan, m_other, m_proper, m_sahen, m_teki
47.
特徴ラベル関数の例 trait_label( )
= :m_proper 固有名詞 coins これが 特徴ラベル trait_label( 食 べ る ) = :d_other ※型注釈で言うと trait_label :: Word → Label 動詞(その他) trait_label( す る ) = :d_suru 動詞(スル) 全29種類(有限集合)。 d_itdk, d_kdsr, d_nsr, d_other, d_rrrrr, d_srssr, d_suru, go, j_de, j_ga, j_hkm, j_ni, j_no, j_other, j_te, j_trdr, j_woto, jd_aru, jd_kako, jd_na, jd_nai, jd_spe_da, jd_zu, keiyoshi, m_gokan, m_other, m_proper, m_sahen, m_teki
48.
言い換えルール型 Rule
49.
言い換えルール型 単語部分列を受け取って、 言い換えた単語部分列とオフセット(後述)
を返すような関数の型
50.
言い換えルール型 単語部分列を受け取って、 言い換えた単語部分列とオフセット(後述)
を返すような関数の型 これの型に属する関数がルールになる
51.
言い換えルール型 単語部分列を受け取って、 言い換えた単語部分列とオフセット(後述)
を返すような関数の型 これの型に属する関数がルールになる ※型注釈で言うと type Rule = [Word] → [Word] × Int
52.
言い換えルール型に属する関数の例 sahen_rule([読書,する]) =
([本,を,読む], 2) m_suffix_rule(悪性,の]) = ([悪い], 2) m_suffix_rule([悪性,と]) = ([悪い], 1) ※型注釈で言うと type Rule = [Word] → [Word] × Int
53.
前方一致ルール検索 prefix_match
54.
前方一致ルール検索 ラベル列を受け取って、 先頭からマッチする一番長いルールと
そのルールがとる部分列の長さ を返す関数
55.
前方一致ルール検索 ラベル列を受け取って、 先頭からマッチする一番長いルールと
そのルールがとる部分列の長さ を返す関数 ※型注釈で言うと prefix_match :: [Label] → Rule × Int
56.
前方一致ルール検索の例 以下のルールが定義されているとする [:j_ni]
[:m_other] [:m_other, :j_no] [:j_wo, :m_sahen] [:m_sahen, :d_suru] [:m_sahen, :d_suru, :j_te] [:m_sahen, :d_suru, :jd_ta] nothing noun noun_suffix sahen_prefix sahen_suru sahen_suru_te sahen_suru_speda
57.
前方一致ルール検索の例 prefix_match([:m_other, :j_no,
:m_other]) [:j_ni] [:m_other] [:m_other, :j_no] [:j_wo, :m_sahen] [:m_sahen, :d_suru] [:m_sahen, :d_suru, :j_te] [:m_sahen, :d_suru, :jd_ta] nothing noun noun_suffix sahen_prefix sahen_suru sahen_suru_te sahen_suru_speda
58.
前方一致ルール検索の例 prefix_match([:m_other, :j_no,
:m_other]) [:j_ni] [:m_other] [:m_other, :j_no] [:j_wo, :m_sahen] [:m_sahen, :d_suru] [:m_sahen, :d_suru, :j_te] [:m_sahen, :d_suru, :jd_ta] nothing noun noun_suffix sahen_prefix sahen_suru sahen_suru_te sahen_suru_speda 2件 hit
59.
前方一致ルール検索の例 prefix_match([:m_other, :j_no,
:m_other]) [:j_ni] [:m_other] [:m_other, :j_no] [:j_wo, :m_sahen] [:m_sahen, :d_suru] [:m_sahen, :d_suru, :j_te] [:m_sahen, :d_suru, :jd_ta] nothing noun noun_suffix sahen_prefix sahen_suru sahen_suru_te sahen_suru_speda 1件 hit
60.
前方一致ルール検索の例 prefix_match([:m_other, :j_no,
:m_other]) [:j_ni] [:m_other] [:m_other, :j_no] [:j_wo, :m_sahen] [:m_sahen, :d_suru] [:m_sahen, :d_suru, :j_te] [:m_sahen, :d_suru, :jd_ta] nothing noun noun_suffix sahen_prefix sahen_suru sahen_suru_te sahen_suru_speda 1件 hit 2単語
61.
前方一致ルール検索の例 prefix_match([:m_other, :j_no,
:m_other]) = (noun_suffix, 2) [:j_ni] [:m_other] [:m_other, :j_no] [:j_wo, :m_sahen] [:m_sahen, :d_suru] [:m_sahen, :d_suru, :j_te] [:m_sahen, :d_suru, :jd_ta] nothing noun noun_suffix sahen_prefix sahen_suru sahen_suru_te sahen_suru_speda 2単語
62.
特徴ラベル関数 trait_label 言い換えルール型
Rule 前方一致検索関数 prefix_match
63.
trait_label :: Word
→ Label type Rule = [Word] → Int × [Word] prefix_match :: [Label] → Rule × Int simplify :: [Word] → [Word] simplify seq = simplify' seq [] simplify' :: [Word] → [Word] → [Word] simplify' [] applied = applied simplify' seq applied = ここの説明が終わった let trait_seq = map (e -> trait_label e) seq let (rule, len) = prefix_match trait_seq in let (chunk, offset) = rule (take seq len) in simplify' (drop (len - offset)) (applied ++ chunk)
64.
trait_label :: Word
→ Label type Rule = [Word] → Int × [Word] prefix_match :: [Label] → Rule × Int simplify :: [Word] → [Word] simplify seq = simplify' seq [] simplify' :: [Word] → [Word] → [Word] simplify' [] applied = applied simplify' seq applied = これからここを 日本語で説明 let trait_seq = map (e -> trait_label e) seq let (rule, len) = prefix_match trait_seq in let (chunk, offset) = rule (take seq len) in simplify' (drop (len - offset)) (applied ++ chunk)
65.
言い換えのアルゴリズム
66.
言い換えのアルゴリズム 1 入力単語列からprefix_matchでルール適用範囲を得る
67.
言い換えのアルゴリズム 1 入力単語列からprefix_matchでルール適用範囲を得る
2 得たルールでその範囲を言い換えて出力単語列に追加
68.
言い換えのアルゴリズム 1 入力単語列からprefix_matchでルール適用範囲を得る
2 得たルールでその範囲を言い換えて出力単語列に追加 3 入力単語列をオフセットぶん切り落とす
69.
言い換えのアルゴリズム 1 入力単語列からprefix_matchでルール適用範囲を得る
2 得たルールでその範囲を言い換えて出力単語列に追加 ここで使う 3 入力単語列をオフセットぶん切り落とす
70.
言い換えのアルゴリズム 1 入力単語列からprefix_matchでルール適用範囲を得る
2 得たルールでその範囲を言い換えて出力単語列に追加 3 入力単語列をオフセットぶん切り落とす これを入力単語列がなくなるまで繰り返す
71.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た この文章を言い換えてみる
72.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た 単語に分割
73.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 特徴ラベルを求める
74.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako noun (noun_suffix) (noun_teki) (noun_teki_na)
75.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako noun_suffix
76.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い noun_suffix([悪性,の]) = ([悪い], 2)
77.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 2 悪い noun_suffix([悪性,の]) = ([悪い], 2)
78.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い noun (noun_suffix) (noun_teki) (noun_teki_na)
79.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い noun_suffix
80.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 辞書にHitせず noun_suffix([腫瘍,の]) = ([腫瘍], 1)
81.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 1 noun_suffix([腫瘍,の]) = ([腫瘍], 1)
82.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 nothing (noun_prefix) (verb_prefix)
83.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 noun_prefix
84.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 を 取り除くこと noun_prefix([の,除去]) = ([を,取り除くこと], 2)
85.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 2 悪い 腫瘍 を 取り除くこと noun_prefix([の,除去]) = ([を,取り除くこと], 2)
86.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako nothing (sahen_prefix) (verb_prefix) 悪い 腫瘍 を 取り除くこと
87.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako sahen_prefix 悪い 腫瘍 を 取り除くこと
88.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 を 取り除くこと に sahen_prefix([に, 成功]) = ([に], 1) 「成功」は「に」を置換しない
89.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 1 悪い 腫瘍 を 取り除くこと に sahen_prefix([に, 成功]) = ([に], 1)
90.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 を 取り除くこと に sahen (sahen_suru) (sahen_suffix) (sahen_suru_kako)
91.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 を 取り除くこと に sahen_suru (sahen_suffix) (sahen_suru_kako)
92.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 を 取り除くこと に sahen_suru_kako
93.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 悪い 腫瘍 を 取り除くこと に うまくいっ た sahen_suru_kako([成功,し,た]) = ([うまくいっ,た], 3)
94.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 3 悪い 腫瘍 を 取り除くこと に うまくいっ た sahen_suru_kako([成功,し,た]) = ([うまくいっ,た], 3)
95.
言い換えのアルゴリズム 悪性 の
腫瘍 の 除去 に 成功 し た m_other j_no m_other j_no m_sahen j_ni m_sahen d_suru jd_kako 完成ヽ(=́▽`=)ノ 悪い 腫瘍 を 取り除くこと に うまくいっ た
96.
デモ
Baixar agora