Blog

言語処理学会第27回年次大会 (NLP2021)において、Megagon Labsは3件の発表を行ないました。言語処理学会第27回年次大会のプログラムはこちらから参照いただけます。 言語処理学会での発表予定 P2 : 言語資源・アノテーション(2) / 知識獲得・情報抽出(1) [P2-5]

Teddy を用いたユーザーインタラクション ユーザーレビューには、オンラインショッピングサービスのユーザー体験を向上させるのに役立つデータが豊富に含まれています。 しかし、レビューからカスタマーインサイトを引き出すのは容易ではありません。 Megagon Labs による最新の CHI’20の論文 では、レビューマイニングを簡単に実現することを目的としたインタラクティブなシステム Teddy を紹介しました。Teddy を使用することで、データサイエンティストが大規模なカスタマーレビューを探索し、オピニオンマイニングのパイプラインの抽出スキーマを反復的に改良し、迅速にインサイトを得ることが可能になります。Teddy は、レビュー分析のワークフローと課題を理解するために行ったデータサイエンティストとのインタビューから得た知見をもとに設計されました。この研究の結果はTeddyだけではなく、テキストマイニングにおける共通のプラクティスと問題について有用な情報を提供し、ユーザーレビューや一般的なテキスト分析における今後のシステム開発全体に役に立つ情報にも触れていきます。  eコマースの市場規模は米国（左）と世界（右）において急激に拡大している

Megagon Labs Tokyo のメンバーズ・ボイスへようこそ！  連載 2 回目となる今回は、東京オフィスで日本語自然言語処理技術の研究を担当し、国内学会をはじめ国際学会でも着々と成果を創出している 叶内 晨 さんがMegagon Labsに至るまでのバックグラウンド、興味・関心や現在取り組まれている研究、そしてトップ研究者として走り続ける秘訣に迫ります。  これまでの経歴と、Megagon

世論を理解することで、 あらゆるビジネスにおいてこれまでにない洞察力を引き出すことができます。 その結果、 テキストの内容を分析し、これが否定的または肯定的な感情であるかを理解する要因を抽出するプロセスである オピニオンマイニング が急速に人気が高まっています。 事前に学習した言語モデルをファインチューニングすることで、ユーザーレビューから高品質の抽出をおこなうことができますが、すべての組織がそのための十分な量の学習データにアクセスできるわけではありません。  この問題を解決するため、 Megagon Labs は拡張データを用いた半教師あり学習でチューニングをした言語モデル上に構築したオピニオンマイニングシステム、Snippextの開発を試みました。その結果、最適なパフォーマンスを維持しながら、オピニオンマイニングの言語モデルのチューニングに必要となるラベル付き学習データの量を大幅に削減できることがわかりました。 

Megagon Labs Tokyoのメンバーズ・ボイスへようこそ！ 連載 1 回目となる今回は、東京オフィスで日本語自然言語処理技術の研究を主導し、国内学会をはじめ国際学会でも着々と成果を創出している 林部 祐太 さんがMegagon Labsに至るまでのバックグラウンド、興味・関心や現在取り組まれている研究、そしてトップ研究者として走り続ける秘訣に迫ります。  これまでの経歴と、Megagon Labsにジョインした理由を教えてください 大阪大学、奈良先端科学技術大学院大学を経て博士(工学)の学位を取得しました。大学院から自然言語処理の研究を始め、博士課程修了後は京都大学で研究員として勤務しました。そこで日本語NLPの研究を続けていく中で音声言語処理にも関心を持ったこと、企業にも興味があったことからインダストリアル側に軸足を移し、音声認識などに関する研究開発を行いました。このように研究開発の仕事をしてきた中でMegagon

何が私たちを幸せにするのでしょうか？  この問いはポジティブ心理学の中心的なトピックであり、特に「どのような行動変容が持続可能な形で人々に幸福感をもたらすのか？」 は、長年議論されてきたテーマです。これを解明するために、Megagon Labsは “ 幸せの含意認識 (Happiness Entailment Recognition)  プロトタイプ