NLP2014

NLP2014に参加してきたのでまとめます．
なお，自分の発表はコチラ

2014.03.18
memo 
TimeBank →→ 日本語版に相当 →→ BCCWJ-TimeBank
組合せ範疇文法（CCG）
　S\NP（X\Yは左側のYと組み合わせるとXとなることを意味する）
　統語範囲中の組み合わせ方と意味表示の合成方法が対応
ATLAS：日英翻訳エンジン

面白かった発表 
確率的ブロック編集距離
Sum-over-Paths(SoP)編集距離
Gibbsサンプリング
Finite-state Transducer系の論文と比較すると良い


2014.03.19
memo 
Markov Networkのテンプレート言語 - Log-Linear Model
Markov Logicエンジン：thebeast https://code.google.com/p/thebeast/

面白かった発表 
述部意味関係コーパスの構築
述部は，文の核情報を表しており，情報抽出や意味理解に有用→述部の意味関係
項を伴う述部ペア（約7,300）ー 多義にも対応
同義／含意／反義／無関係という4つの意味関係
　　　　　　　→ 属性反義／経時反義／視点反義
    全体：10023（同義：4268，含意：2230，反義：987，無関係：2538）

「北海道に至る」「北海道を迎える」とは言わない，
「サインを求める」に対する「サインに応じる」はOKなのに，「サインを拒否する」は駄目なのは何故？
　→　求めると拒否するは必然性？
「結婚する→離婚する」は含意関係，経時反義は含意になることもありうる


2014.03.20
memo
強化学習→タスク達成対話に利用
UNOT：頻出無順序木パターン発見アルゴリズム
統計翻訳において並び替え翻訳が有効
英日：Head Final 並び替え

面白かった発表 
Context-Dependent Automatic Response Generation Using Statistical Machine Translation Techniques
Word-base SMTで，nullへのアライメントをどうするか
nullだと何故駄目なのか？→ 特に短い文に対しては，全然意味のないものしか出てこない
WordよりもPhraseベースでやることが多いが，Phrase-baseじゃ駄目なの？
　→　Phrase-baseでも最初はWordアライメント．Wordアライメントだけで出来たらそれが良いと考えた
SMT以外の手法をとる研究との比較は？
　→　最初にSMTを利用した研究を参照すると，SMTを利用した研究の方が他のアプローチより良くなっていたので，このアプローチを利用した（＝この研究自体の比較は行っていない？）