programming-soda

Part3では理論/実装から少し離れ、グラフ構造を扱うタスクの種類について整理します。具体的には、タスクとそのタスクにおけるinputとoutput(prediction)を整理します。これにより、応用しようとしている問題(自然言語処理)をどんな「グラフ構造を扱うタスク」に変換できるのかを考えられるようにします。理論・実装編であるPart2についてはこちらをご参照ください。

現在、機械学習における前処理をscikit-learnのPipeline感覚でつなげてしかも保存できる処理を開発しています。

前処理には当然単語の分割といった処理も入るのですが、単語の分割に使用するTokenizer(今回はMeCab/Janome、もしくはspaCyのインスタンス)は複雑なオブジェクトで、Pickle(scikit-learn.external joblib)で保存しようとすると当然エラーになります。

Graph Convolutionで自然言語処理を行う(テキスト分類編) Part1

本記事から、Graph Convolutionのテキスト分類における効果を検証してみます。Graph Convolutionの手法としては、前連載で実装したGraph…

Graph Attention Network Layerを実装する Part1

Graph Convolutionの一種である、Graph Attention NetworkをKerasのCustom Layerとして実装します。これは、Graph…

Research Manager Meetup #2を開催しました

2019/8/9に、レトリバさんのコラボレーションルームをお借りしてResearch Manager Meetup #2を開催しました。