論文：Automated Evaluation of Out-of-Context Errors 担当：菅さん モデルでは文脈を考慮していない 最初の例とやっていることが違う 縦軸：単語の確立を持つ単語の割合？ 横軸：単語の確率 データセット、複数文？：全部つかう 複数回出現する名詞をランダムに選ぶ。実際は2回以上が対象。 200語未満の単語で構成される文書の除去、なぜ200語未満？：触れられていない。 選択したものがあっているのかどうかわからない。人ですら解くのが難しい？ なぜ名詞だけ？純粋に間違いだけなら動詞でも良さそう。：既存の論文において名詞が重要とされていた。 最終的に何がしたい？：文脈上の誤りを見つけて音声認識などの結果をよくしたい。 論文：Emo2Vec: Learning Generalized Emotion Representation by Multi-task Training 担当：上脇さん ハッシュタグをもとにデータを作成。CNNの学習にも利用。 Emo2Vec？：データからそれぞれの感情があるワードのembeddingの情報を全部共有 データが大きなものはCNN、そうでないものはロジスティック回帰：LSTMなどについては言及していない。 Glove？：SVDの出現回数によるもの＋word2vecの確率的なもの、両者のいいとこ取り。 複数文入力＋全部計算できる？ 見出しがあると良くなるの？：見出しの中に感情の元となる単語があると、感情を得やすい。 CNNは複数のタスクを混ぜない。計算量を減らす方法を考えている？ |
|
|