English

大山 百々勢

momose

論文

  1. Momose Oyama, Hiroaki Yamagiwa, Hidetoshi Shimodaira.
    Understanding Higher-Order Correlations Among Semantic Components in Embeddings. EMNLP 2024 (Main).
    [arXiv]
  2. Hiroaki Yamagiwa*, Momose Oyama*, Hidetoshi Shimodaira.
    Discovering Universal Geometry in Embeddings with ICA. EMNLP 2023 (Main).
    [arXiv] [ACL Anthology]
  3. Momose Oyama, Sho Yokoi, Hidetoshi Shimodaira.
    Norm of Word Embedding Encodes Information Gain. EMNLP 2023 (Main).
    [arXiv] [ACL Anthology]

Preprint

  1. Hiroaki Yamagiwa, Momose Oyama, Hidetoshi Shimodaira.
    Revisiting Cosine Similarity via Normalized ICA-transformed Embeddings.
    [arXiv]

国内学会/ワークショップでの発表

  1. 大山百々勢，山際宏明，下平英寿．
    独立成分分析を用いた埋め込みの分布の普遍的な形状の発見と成分間に残る高次相関の解釈
    2024年度統計関連学会連合大会（JFSSA2024）
  2. 大山百々勢，山際宏明，下平英寿．
    依存関係の大きさは意味の関連性を表す
    言語処理学会第30回年次大会（NLP2024）
  3. 大山百々勢*，山際宏明*，下平英寿．
    独立成分に基づく埋め込み表現の解釈と普遍的形状の解明
    第26回情報論的学習理論ワークショップ（IBIS2023）
  4. 大山百々勢，山際宏明，石橋陽一，下平英寿．
    内部表現の幾何に基づく言語モデルの解釈
    NLP若手の会 第18回シンポジウム（YANS2023）
  5. 大山百々勢，横井祥，下平英寿．
    単語ベクトルの長さはKL情報量で解釈可能な意味の強さを表す
    第25回情報論的学習理論ワークショップ（IBIS2022）
  6. 大山百々勢，横井祥，下平英寿．
    単語分散表現のノルムと意味の強さの情報理論的解釈
    2022年度統計関連学会連合大会（JFSSA2022）
  7. 大山百々勢*，横井祥*，下平英寿*．
    単語ベクトルの長さは意味の強さを表す
    言語処理学会第28回年次大会（NLP2022）
  8. 大山百々勢，横井祥，下平英寿．
    単語の頻度情報と分散表現のノルムの関係性
    第24回情報論的学習理論ワークショップ（IBIS2021）
  9. 大山百々勢，横井祥，下平英寿．
    指数型分布族による単語分散表現の特徴付け
    NLP若手の会 第16回シンポジウム（YANS2021）

講演

  1. 独立成分分析を用いた埋め込み表現の視覚的な理解
    NAIST DSC NLP Seminar, 2024/06/04 [slides]
  2. Discovering Universal Geometry in Embeddings with ICA (EMNLP2023)
    NLPコロキウム, 2023/12/20 [slides]

受賞

略歴