「人類最古の職業は売春である」という言葉があるくらい，人類は常に性欲とともに生きてきた．．と，そういっても過言ではないだろう． 最近では，サルでも類似した能力があると発見されたりしている（参考 そして，アダルトビデオは，性欲と人類の夢とロマ…
最近になった知ったことなのだが，NumpyにはPython標準の文字列クラスとは別の'numpy.string_'という型が使われていた． ちなみにunicode型であれば，Numpyでは'numpy.unicode'型に対応している． 調べてみてもそんなに情報がなく，ぼくが見つけられたのは，…
昔，特命リサーチXという番組がやっていた． wikipediaリンク 世の中の都市伝説を検証するという内容で，けっこう好きだった．あまりにも臭すぎる演出がなんとも笑えるが． 印象に残っているのが，「フィラデルフィアの怪実験」より． 最後の推論はかなりむ…
理論的なことはほとんどわかってない． だけど，単語n-gramをembeddingsと呼ばれるベクトル表現にしてくれることだけはわかっている． そのうち，しっかり勉強しますから．．．そのうち．．． とりあえず，「toolとして使う．」を第一目標にしてみた． word2…
以前，線形分類器であるliblinear向けにグリッド探索をする話を紹介したと思う． 今度は，liblinear向けに特徴量を選択したくなった． 元々，libsvmには特徴量選択スクリプトが存在している． じゃあ，これをちょっと改造すればいいんじゃね？という安易な発…
ここ数日かけてじっくり読んだ論文．pdfはACL anthologyにあがってる 「次にどんな研究しようかな？」っていう漠然とした気分から，とりあえず最新だし読んでみた． NAACLのMulti Word Expressionのworkshopに投稿された論文．松本先生がペルシア語の複合動…
論文を書いていて，いつも頭を悩ませる要因のひとつに，「グラフ」がある． 「どうやって示すのがいいんだろう？」っていうのも悩みの種であるが，それ以上に「どのツールを使ってグラフを示すか？」の方がもっと悩ましい． 普段は大したグラフは書かないの…
ソコトラ島の話 まるでSF世界のような島ソコトラ島 変わった形の植物があった．その中のひとつ，幹がやったらデブで太く，そのくせ枝は細くて不釣り合いな植物があった． 書き込みを見たら，「ジャトロファ属の植物」と書いてあった．「ジャトロファ属」とは…
Wordnetとは．．．プリンストン大学が開発している語データーベースっていう説明でいいのかなあ， 一応，wikipediaの記事を載せておくWordNet 日本語版wordnet（NICTが開発している）だと，日本語で解説されているページがけっこうある．例えばこんなの けど…
マルチラベル問題とは，「ひとつの事例に複数のラベルがつきうる場合の問題」のことを指す． 例えば，文書分類だと，「サッカーのフーリガンのニュース記事はスポーツのジャンルだし，社会のジャンルでもある」っていうラベルが付く場合を指す．こういうマル…
LIBLINEARとは線形分類に特化した分類器である． 簡単な説明とか，使い方は検索すればすぐ出てくると思うが， LIBLINEARを用いた機械学習入門(単語分割) あたりはわかりやすいと思う． 一応，公式ページも載せておく． LIBLINEAR -- A Library for Large Lin…
ある時，「LDAのトピックと文書の生成（同時）確率」を求めるにはどうすればいいですか？と聞かれた． 正確には，LDAで生成されるトピックをクラスタと考えて，そのクラスタに文書が属する確率が知りたい．できれば，コードがあるとありがたい．とのことだっ…
stanford-core-NLPは英語の上でNLPをやっている人なら知ってるものだと思う． 既存のNLP技術を色々盛り込んで一気に使えるようにしてくれている，かなりの優れものだ． スタンフォード大学はこういう点で，本当によい仕事をしていると思う（上から目線だけど…
吹田市にある国立民族博物館に行った時に，偶然にも「ウィークエンドサロン 研究者と話そう」という企画をやっていたので，話を聞いてきた．講演者は民族博物館で機関研究員の金田純平研究員． 金田純平 | 国立民族学博物館講演の主な内容（ここ から引用） …
特によく使うGoogle Chromeについて Mac のキーボード ショートカット - Chrome ヘルプMacのウィンドウ切り替えについて アプリ間の切り替えと，同一アプリ間でのウィンドウ切り替えについて 【Mac】ウインドウを切替えるショートカットは変更した方が絶対い…
オランダ語が（ふつうの人は）わからないので，Googleページ翻訳を使ってページ丸ごと翻訳をオススメするオランダ語民話データベースは Nederlandse Volksverhalenbank具体的なお話はNederlandse Volksverhalenbank | Blader door items 検索オプションをNed…
以前，ちょろっとだけGensimを使ったことがあったんだけど，久しぶりに本格的に使うことになりそうなので，メモに残しておく Gensimでのコーパスの作り方 - kensuke-miの日記 gensim 文章をベクトル空間にする方法 - kensuke-miの日記インストールができてな…
ペルシア語とオランダ語の単語間（クエリを利用した）翻訳をやりたくて，ちょっとサーベイしていた． ↑絶対，こんなことやろうとしている人間はこれまで１人もいないと断言できる．で，サーベイ中に，こんなpaperを発見してしまった． Word Sense Subjectivi…
特に昔話の構造分析では，AT (ATU) 分類が非常に信頼度が高い分類として扱われているらしいので，今回はこれに絞ったサーベイを．ATU分類の概要Anti AarneとStith Tompsonによる分類がAT index(AT分類) 少し前まで（昔話の研究では）世界的に認められてきた…
係り受け木のアノテーションを行いたかったので，GUIで動かせるようなアノテーションツールを探していた．すると，こんなツールがあるらしい． brat rapid annotation tool
Perlexの動詞屈折辞には謎の記号が出現する． 例えば3sgPreSubjNegFam n ↙e n £e 2*3plPreSubjNegFam n ↙n n £nのように． はじめはまったく意味がわからなかったのだが，ようやく意味がわかったので，ここに書き記しておく．端的に書くと，「謎の記号は動詞…
前にも何度か紹介したが，lexiconのperlexは屈折辞の展開がされた後は文字化けがおきている．前の記事では，後でpythonスクリプトで修正する方法をとっていたが，特にqとŕで無理があるやり方だった．しかも，その後でまた変な文字化けを見つけたし．．．（要…
元々の発端は http://aclweb.org/anthology/P/P13/P13-2004.pdf 岡野原さんによるレポート http://research.preferred.jp/2010/11/dual-decomposition/双対分解とは，argmax_y( g(y) + h(y) )が解けなくても(NP完全だから)，argmax_z,y( g(z) + h(y) ) st. z…
大修館書店の「言語」03年１２月号から 大修館書店モーセ５書の成立を紹介している記事．そもそもモーセ５書とは？ 旧約聖書の最初の５文書のことを指す．具体的には「創世記，出エジプト記，レビ記，民数記，申命記」のこと． この５書はユダヤ教では別格で…
研究室に大修館の「言語」が並んでいるのをふと見た．松本先生が「言語」を愛読しており，バックナンバーが全部そろっているのだとか． ぼくも何冊か読んだことがあるが，（自然）言語好きにはたまらない雑誌だろう． それだけに廃刊になったのは残念．とこ…
主に使うのは，etreeオブジェクト．これは標準で入っているモジュール（のはず）なので，一般的な話ができるはず．基本的な書き方は DrunkBoarder · yuki_B's web site XML ドキュメントを作成する - Python Module of the Week を見りゃいいのだが，細かい…
Perlexの元となっているalexinaのフレームワークでは，主に root辞書 屈折辞辞書 から構成されている． これをmakeすると，屈折活用済みのファイルが出来上がる仕組みになっている．さて，ここで新しく屈折辞を追加する方法を記しておく．いじるファイルはmo…
前回はペルシア語名詞の屈折辞一覧表を作成した - kensuke-miの日記で名詞の屈折辞表を作成したが，今回は動詞の屈折辞表を作成した．作成自体はそんなに大変でもないのだが．．．あまりにも不明な点が多すぎるよ．．例えば，全部でカテゴリーは２９個存在し…
ペルシア語の屈折辞は他のインド・ヨーロッパ語に比べれば比較的簡単だと言われている．（だれによって？）（←おれによって）というのも格の数もそんなに多いわけではないし，性も消滅している．したがって，格によって多数の屈折辞を持ち，性によって２ない…
ペルシア語の中には未完の接頭辞my（直接法）と動詞過去形で「過去未完了形」という時制が構成される． 感覚的に言うと，「過去のある時間範囲で，ある動作や状態が一定時間持続した」という説明になるだろうか．プログラミング的な感覚だと，「現在の時間を…
