IS Archive

ICPC(International Collegiate Programming Contest)国内予選にid:ushiodaとid:nyaasanと出ました。チーム名はそれぞれの頭文字u, n, k.oを取って、「Unknown」です。
結果としてなんと国内一位を取る事が出来ました。もう感激・・・。というか僕以外の二人が凄すぎ・・・。なんというか、もうこいつら天才かという感じです。
この調子でアジア予選も頑張りたいと思います。
追記: 2007/07/09
当日の様子はnyaasanのエントリ参照。

細谷研でMONAを用いたHardware Verificationをやります。
とりあえずMONAで色々遊んでみよう。

TeXを頑張って覚えて最終レポートを書いたので、ここで晒す事にします。

• MEによる日本語係り受け解析

素性選択よりは色々な解析手法を試して精度向上したいなぁと思って作業していたのですが、限界が見えてきたので早めにまとめ上げました。

一緒に辻井研に行っているtmym氏がMEでLinear-time dependency analysis for Japanese [Sassano 04]の方式を試していて、面白い結果が出ているので期待。7500文/secって何ですか。

土日がTOEFLで潰れるらしいので、ちょっとやばいという事で昨日から実装しだしました。今週は急がしすぎ・・・。

AmisというME用の学習機の使い方を覚えるのに朝まで悩み、結局TAのid:u-noさんに助言を貰ってなんとか使えるようになりました。

京大コーパスのパーサーを書いて論文に載っている素性をばしばし追加したら、正解率85%。とりあえず今週はここまででいいかな・・・。正解率を上げるためには、鬼パラメーターチューニング or 方式の根本的な変更が必要そう。

岡野原大先生によるとSVMではカーネルおじさんがパラメーターチューニングをしてくれるらしい。確かにチューニングを問題毎にやってたら萎えるなぁ・・・。大体決められたセットに対して制度が上がったところでCPU実験的な虚しさもあるし(レイトレしか速く動かない)。

来週はAmisに手を入れて速くしたり、「Linear-time dependency analysis for Japanese[Sassano 04]」を読んでみたりしようかと思います。そして最後に高速 & 大規模学習をしてみてどれぐらい正解率が上がるかというのを見てみようかと思います。

以下の論文を渡されたので読んでました。

• A Maximum Entropy Approach to Natural Language Processing
• MEによる日本語係り受け解析
• 相対的な係りやすさを考慮した日本語係り受け解析モデル [pdf]

統計的言語モデル(北 研二,辻井 潤一)も参考にしました。MEについては最初の奴よりこの本の方が分かりやすかったです。
来週から実装の予定ですが、どうしたものか。3つ目は精度は出てるけど学習の所でIterative Scalingをしないといけない。この方法を完全に理解してないのと、実装が大変そうというのがある。後2週間しかないので、週明けにその辺を辻井研の人に相談しよう。
しかし工藤さんや岡野原大先生には僕には見えてないものが見えているようにしか思えないなー。
P.S
IterativeScalingも一応理解した。
んでこれはMapReduceっぽく実装出来そう。で、それをやると分散並列化出来て、大規模な素性を持つような学習が可能になりそう。これ絶対ごっごるでやってるなー。