褒めたもんを自然言語処理的に機械学習した

1. 電電 （@yosyuaomenww）
電気電子工学科四回生
来年から京都大学院の情報学研究科に進学
褒めたもんをでぃーぷらーにんぐ
してみた話

2. 褒めたもん(@denden_by)について
フォロワーを褒めてくれるbot
現在は一定の言葉に反応する仕様→ミスが多い→賢くしたい

3. 教師データをどうするか
褒めたもんのCSVファイルをツイッターの公式から引っ張ります．
しかしこのデータには褒めたもんのリプライ情報しかない
こちらだけしか得られない
教師データの収集について

4. そこで，APIから返信ツイートを検索して取得．
さらに教師データとしてはリプライやファボを用いた．
前処理は正規化を行った．
ﾒﾀﾓﾝ→メタモン
データが完成

5. 自然言語処理的に処理したい
1. 文章を単語に区切る
2. 単語をベクトル化する
3. ベクトルにしたものを順にモデルに流し込む
説明する時間がない！！
ので途中まで
教師データありの自然言語処理の大きな流れ

6. “もももすももももものうち”を単語ごとに分けたい！！
MeCabを使う
デモ

7. 単語をベクトル化する
Word to vecというものを用いる．
Word to vecは各単語の文章における位置を特徴量として捉えて，
ベクトルに変換できる．
これで『もも』を1*128次元のベクトルに変換できる
このベクトルというのは特徴量を示しているので
「もも」と「りんご」の特徴ベクトルは「もも」と「大学」よりも似たベクトルが得られる．
（コサイン類似度）
ベクトルが大
きく異なる

8. 得られたデータに対してNNを用いて学習を行う．
モデルはLSTMを使った
これでデータとモデルが揃った．
実際に走らせてみる．
デモやります

9. 終わり