Google at NAACL(アメリカコンピュータ言語学会)

  • 2018.06.19
  • AI
Google at NAACL(アメリカコンピュータ言語学会)

1.Google at NAACL(アメリカコンピュータ言語学会)まとめ

・アメリカコンピュータ言語学会でもGoogleが存在感
・委員、ワークショップ開催者、パネリスト、基調講演、ロボット提供など
・新たに新設された賞を受賞した論文の著者もGoogle勤務者が多い

2.NAACLとは?

先週、ロサンゼルスのニューオーリンズでは自然言語理解のための計算手法の研究発表の場であるNAACL(アメリカコンピュータ言語学会)会議が開催されました。

Googleは再び強力な存在感を示し、ダイアログ、要約、機械翻訳、言語分析などの多様なトピックに関するプレゼンテーションを行っていました。これらの発表に加えて、Googleは委員、ワークショップ開催者、パネリストとしても参加し、基調講演の一つも担当しました。Googleはまた、遠隔操作可能なテレプレゼンスロボットを提供し、これにより出席できない研究者はWiNLPやその他のワークショップに遠隔から参加する事ができました。

今年、NAACLは2002年から2012年の間に出版された有力な論文を称賛するTest Of Time賞を新たに発表しました。この賞を受賞した3つの論文の著者や共著者は現在Google研究所に勤務しています。

(1)BLEU:機械言翻訳を自動で評価する手法 2002年

Kishore Papineni(Google勤務), Salim Roukos, Todd Ward, Wei-Jing Zhu

BLEU手法が発表される前は、機械翻訳(MT)モデルの比較は人間が行っていました。人間の評価は依然として重要ですが、BLEUと人間の判断は強く相関しているため、BLEUによる実験結果を素早く評価できるようになりその結果実験サイクルの短縮が可能になりました。 BLEUは、機械翻訳で起きた複数のパラダイムシフトの影響を受けず、評価手法として信頼できる尺度であり続けました。

(2)隠れマルコフモデルの識別訓練法:パーセプトロンアルゴリズムの理論と実験 2002年

Michael Collins(Google勤務)

構造化パーセプトロンは、構造化予測問題に対する古典的なパーセプトロンの一般化であり、各入力に対する可能な「ラベル」の数は非常に大きな集合で、各ラベルは豊富な内部構造を有しています。構造化予測の標準的な例は、音声認識、機械翻訳、および構文解析です。構造化パーセプトロンは、構造化予測のために提案された最初のアルゴリズムの1つであり、その単純さにもかかわらず効果的であることが示されています。

(3)いいかい?機械学習技術を用いたセンチメント分類(2002)

Bo Pang(Google勤務), Lillian Lee, Shivakumar Vaithyanathan

この論文は、感情分析の最初期の作品であり、感情と意見分析とレビューマイニングのサブフィールドを定義するのを助けました。この論文では、文書分類の新しい観点を紹介し、教師付き機械学習方法を使用した最初のソリューションを開発し、見識と課題を提起しました。また、この論文は重要なデータに関するインパクトを残し、movieレビューデータセットはこの分野での初期の作業の多くを網羅しており、現在もベンチマークとして一般的に使用されている評価データセットの1つです。

もし、NAACL 2018に参加するなら場合は、デモをチェックしたり、Googleの研究者と会って、数十億人の人々に関する興味深い問題を解決するプロジェクトやチャンスについて話し合うためにブースで足を止めてください。NAACL 2018で公開されるGoogleリサーチについて詳しく知るためにはGoogle AIランゲージチームのページをご覧ください。

3.Google at NAACL(アメリカコンピュータ言語学会)関連リンク

1)ai.googleblog.com
Google at NAACL

2)ai.google
Natural Language Understanding – Google AI