inarizuuuushi https://blog.hatena.ne.jp/inarizuuuushi/ Sabrou-mal サブロウ丸 https://inarizuuuushi.hatenablog.com/ Transformer自作 本稿では翻訳モデルを作成するにあたり必須な自然言語の事前処理について整理します。 用語集 コーパス (Corpus) コーパスとは "言語学において、自然言語処理の研究に用いるため、自然言語の文章を構造化し大規模に集積したもの" 「コーパス」（2022年6月2日 (日) 11:34 UTCの版）『ウィキペディア日本語版』。 ということで大量のテキストデータです。翻訳タスクに用いるものであれば同一の文意が複数の言語で書かれたテキストデータのcorpusを用います(パラレルコーパスとも呼ばれます)。またテキストだけでなく構文構造などの情報が付与されたものもあります。 (注: 本稿以降ではテキストの… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Finarizuuuushi.hatenablog.com%2Fentry%2F2022%2F06%2F14%2F090000" title="Transformerによる翻訳システム自作; part1 事前処理 &amp; 学習の大枠 - Sabrou-mal サブロウ丸" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2022-06-14 09:00:00 rich https://inarizuuuushi.hatenablog.com/entry/2022/06/14/090000 1.0 100%