須多先生

みなさん こんにちは
本日も一緒に人工知能について学びましょう

須多先生

前回は 改めてアノテーションについて理解を深めましたね

徳井 天

アノテーションを行うアノテーターによってとらえ方が異なることがあるから 「ルール」を作ったり 話し合うことで どの正解ラベルにするかを決める必要があるんだったよな

深田 あい

間違った正解ラベルを付けてしまうと AIの精度に影響してくるので アノテーションの難しさと重要さを改めて学ぶことができました

須多先生

オンラインショップに届いたテキストデータをクリーニング 数値化して「決定木」を使ってテキスト分類を行いましたね

深田 あい

特に「ネガティブな意見」や「質問や問い合わせ」にはすぐに対応する必要があるので 見逃さないための指標である「再現率」を上げるために色々試したんですよね

須多先生

精度が上がらなかった理由として 「決定木」という シンプルな手法の限界があげられます

須多先生

特に 私たち人間が扱う「言語」は 複雑で多様であるため 決定木だけではその特徴をとらえきれませんでした

徳井 天

決定木以外にもテキスト分類を行う方法が「ディープラーニング」だったよな！今回はその方法を使って分析を行うんですよね 先生！

須多先生

はい 今回は「ディープラーニング」を使った分類方法について学んでいきますよ
「ディープラーニング」での分類については 認識編のレッスンでも習いましたが その時はどんな分類を行ったか覚えていますか？

深田 あい

えっと確か 私のおじいちゃんが書いた 手書きの数字の画像を分類するときに ディープラーニングを使いましたよね

徳井 天

画像に映っている犬種を認識したりもしたよな
どちらも画像を認識させてから分類しているから「画像の分類」になるかな

須多先生

はい その通りです
画像の分類の時と同じように 文章も同じくディープラーニングで分類することができますよ

徳井 天

画像の認識で使ったディープラーニングが 言語でも使用できるって まだいまいちピンときてないんだよな…

深田 あい

私もそうなんだよね
認識編はだいぶ前だったし 復習できると嬉しいんだけどな…

須多先生

それでは 次のスライドで過去の解説動画などを確認しながら 改めてディープラーニングについて振り返りましょう