Nlp2021Memo のバックアップソース(No.3) - 投野由紀夫授業用ホームページ

バックアップ一覧
差分を表示
現在との差分を表示
バックアップを表示
Nlp2021Memo へ行く。
- 1 (2021-03-15 (月) 16:02:25)
- 2 (2021-03-15 (月) 16:53:00)
- 3 (2021-03-16 (火) 13:48:28)
- 4 (2021-03-17 (水) 11:48:52)
[[TonoPaper]]

*川崎先生（東大）チュートリアル [#r721ee0b]

** スペイン語の著者・年代・地点推定 [#e8342b8c]
- PCA + t-SNE （次元縮約）の手法
--[[t-SNE>https://qiita.com/warawa_abnormal/items/cad4f9bc2d2408dd69f6]]

**時空間埋め込み関連： [#ia9de649]
--年代を10年ごとに区切る
--単語の前後の３語で、単語の分散表現の平均値を年代ごとに出して、時間埋め込みを学習させる？
--71年代、次元数25、窓幅{0,1,2}
--地点{0,1}
--Label smoothing
---one hot ベクトルの平滑化　&#8596;　正則化
---sigma: hyper-parameter
--softmax 関数: ニューラルネットワークで出力が x1,x2で出てきてそれをソフトマックス関数によって確率におきかえることによって各ラベルの可能性として出力するもの
--マルチタスク学習（Goldberg, 2019）

**言語変異 [#m6613b8f]
--方言間接触
--- Multi-agent simulation
--系列変換モデル：語順学習と世代間伝搬のモデリング
---頻度100倍、規則化の速度 1/10

-アノテーション： [[Brat>http://brat.nlplab.org/index.html]]

*水本先生の講演 [#y860e49a]

-YAKE: keyword extraction
-- TF/IDF などより精度がよい!
-NWLC: JACET8000/CEFR-J Wordlist/etc.
-AWSUM: academic word suggesting machine
--Move analysis -> n-gram
--選んだ n-gram から次次とフレーズを提案
-Corpus linguistics & applied linguistics

**DDL: [#w1c5aa8a]
---not "corpus-driven" --> it could be broader than simple concordancing
---Soft DDL = paper-based
---SCoRE: 著作権フリー
--Gilquin & Granger (2010): DDLを阻害する要因
---教員のビリーフ
---Communicative なアプローチとの gap
--自律的な学習者を育てる：自分でコーパスを使うような
--明示的な辞書指導トレーニングと似ている（Boulton, 2009）
--発見学習の効果（記憶保持，動機付け）
--気付き，エラー訂正，自律学習
---語彙・文法の学習に効果がある
---使い方を教えておいて損はない
---Q: いつ，どんな時に？？

**NLPを用いた L2 studies [#e0f10168]
--Intelligence CALL
---Ward (2017) / adaptivity / speaking & listening (Hassani et al. 2016) / writing (Chen & Meurers, 2019)
---Intelligent language tutor
---Multilingual applications in ICALL (Liou et al. 2013; Nagata 2018; Ziegler et al. 2017; Divekar et al. 2021)

**Automated writing evaluation (Stevenson, 2016; Jiang et al. 2020; Cotos et al. 2015) [#yd2e77d4]
---Criterion : TOEFL で求められている essay のパタンに縛られすぎているので，教室内では使うべきではないという意見もある（Condon 2013)(Ranalli et al. 2017)
---決め打ちの text type の練習に特化したものが複数利用可能になればいいかも（YT)
---Grammarly
---Zhang (2017)
---Write & Improve
---Error annotation (Hamel et al. 2016) MyAnnotator

**Speech recognition [#i28a3916]
---SpeechRater (ETS): 本番では使われていない
---Versant: Pearson
---Echo (smart speaker)
---面接官が知的エージェントでも違いがない
---向上が見られる，という報告ばかりだが，難しい部分を明確にしないといけない（YT）

**Linguistic features [#v8262dac]
---Coh-Metrix, TAALES, SCA (Polio & Yoon, 2018; Kyle and Crossley, 2014)
---TAALES: n-gram は書かれているがどういう風に出しているか，理解するのが難しい
---語彙指標は ICALL, 

**Machine translation [#x8a03b1d]
---DeepL / GoogleTranslate
---MT の学習効果（Garcia & Pena, 2011; Lee, 2019; Stapleton & Leung Ka Kin, 2019; Tsai, 2019) L1 -> L2 + MT で L2 とMT を比べてみる（母語と外国語の気付き）
---Lee and Briggs (2021)
---Lee (2019): low anxiety/ motivating/ autonomous learning
---２１世期型スキル（Ducar & Schocket, 2018) 違いやエラーに気づかせる方法， 教師がMTの限界を認識し適切なサポートをする必要性

**期待すること [#vef1ab04]
--コラボレーション
--CALL でできることはCALLで
--人間が必要なものは人間で
--指導法を再考するべき
--MAXQDA