1

⽇日本語 プレゼンテーション

の作成

パリ第７⼤大学 　LCAO

中村 　弥⽣生

はじめに

§ プレゼンテーション 　（＝プレゼン）

§ 限られた時間内で複雑な内容もわかりやすく

•  スライドを⽤用いたプレゼンテーション

•  その他マルチメディア機器の活⽤用

2

発表の流流れ

§ スライド作成ツールいろいろ § プレゼンの構成 § 準備 § スライドの⽇日本語 § その他の注意点 § まとめ

3

プレゼン作成ツール

§ アプリケーション §  Power Point (Microsoft Office) 　 §  Keynote (Apple) §  Impress (OpenOffice) 　 §  LaTeX

§ オンラインWebツール §  Office Web Apps (Microsoft Office) 　

http://office.microsoft.com/ja-jp/web-apps/

§  Google ドキュメント https://docs.google.com/

§  Zoho Show https://show.zoho.com/

§  Prezi http://prezi.com/index/

4

プレゼンの構成

§ 表紙 •  タイトル •  著者名（発表者表⽰示） •  所属

§ はじめに •  発表の⽬目的、概要

§ 発表の流流れ（プラン） § 本⽂文§ まとめ

5

準備

§ 発表時間を考慮しスライド数を概算§ プランを決める 例例）村上春樹 • ⼈人物紹介 • 作品 • 海外・フランスにおける村上評価 • 作品Xについて

§ 各章ごとのスライド数を計算 § 内容を膨らませていく順序

6

スライドの⽇日本語

§ なるべく短く •  箇条書き •  体⾔言⽌止め •  図式化 　⇒ 　⽮矢印の使⽤用

§ ⾏行行数を少なく § ⼤大きな⽂文字で

à 説明は⼝口頭で！

7

⽐比べてみよう 　１

べた書き

『⽂文体練習』（ぶんたいれんしゅう）はフランス⼈人の作家・レーモン・クノーが1947年年に発表した実験的な⽂文学作品である。「バスの中で⾒見見かけた乗客を罵倒する若若者を、2時間後に別の場所でもう⼀一度度⾒見見かける」という短い話を99通りの記述⽅方法で表現する。

箇条書き

『⽂文体練習』

§ 実験的な⽂文学作品§ 著者：レーモン・クノー（仏） §  1947年年発表§ 「バスの中で⾒見見かけた乗客を罵倒する若若者を、2時間後に別の場所でもう⼀一度度⾒見見かける」

§  99通りの記述⽅方法で表現

8

その他の注意点 9

§ ページ番号をつけよう •  質問をするとき「xxページの〜～についてですが、・・・」と⾔言える •  ハンドアウト（資料料）を配布した場合にも、対応がつけられる

§ 図や表を使おう

§ アニメーションを有効利利⽤用 •  ⼿手順、強調

⽐比べてみよう 　２

ことばのみ

⽇日本語⽂文における節の検出Détection des propositions

1. 活⽤用語の認定 Repérage des mots variables

2. 依存要素の認定 Repérage des éléments dépendants

3. 節の認定 Reconnaissance des propositions

図・アニメーションの活⽤用

10

受講できるjukôdekiru

pouvoir assisterV

現在genzaiactuel

N

、 多くのôku no

grand nombre - deN – P

国公立kokkôritsu

national et publiqueN

、 私立大学がshiritsu daigaku ga

privé - université - [ga]N – N – PC

社会人でもshakaijin demo

personnes travaillant - mêmeN – P

公開講座をkôkaikôza wo

cours ouverts - [wo]N – PC

設けているmôketeiru

installer [état]V

0 1 2 3 4 5 6 7

受講できるjukôdekiru

pouvoir assisterV

現在genzaiactuel

N

、

多くのôku no

grand nombre - deN – P

国公立、kokkôritsu

national et publiqueN

私立大学がshiritsu daigaku ga

privé - université - [ga]N – N – PC

社会人でもshakaijin demo

personnes travaillant - mêmeN – P

公開講座をkôkaikôza wo

cours ouverts - [wo]N – PC

設けているmôketeiru

installer [état]V

0

1 2

3

4

5

6

7

⼤大切切なポイントを強調する 11

§ 下線を引いて重要な部分を強調 § ⾊色をつける § コントラストが弱いとあまりめだたない

§ ⽂文字を⼤大きくする § など

＊このページのように強調しすぎるとどこを強調したいのか分からないから注意！

技術的な注意点

§ ツールのバージョンによるレイアウトのズレ

§ ⽇日本語フォントの問題

à  PDFファイルに変換

à  注意！アニメーションは無効

12

まとめ

§ わかりやすいプレゼンになるようにプランをじっくり考える

§ 効果的に視覚に訴えるスライドを作る

•  説明は⼝口頭で

•  ⽂文字を少なく

•  図の多⽤用

§ 制限時間厳守！

13

ご清聴ありがとうございました

Merci pour votre attention

14

参考⽂文献

§ リスト § ・・・

15

M1#ORAL##

2012/2013# S1# Y.# Nakamura5Delloye#

16

17 準備からプレゼンまで

§ 原稿下書き（スライド＋原稿）：１0⽉月24⽇日 　希望者のみ

§ プレゼン本番（全4回：11⽉月21、28⽇日、12⽉月5、12⽇日）•  スライド＋原稿：１1⽉月21⽇日 　全員提出•  当⽇日：スライドファイル（USBキー、PPT/PDF）またはコンピューター持参

§ 「スライド＋原稿」の作り⽅方•  印刷オプション1.  スライド＋ノート

2.  配布資料料（ドキュメント）

18

スライド＋ノート

Named entity extraction for ontology enrichment

Yayoi Nakamura-DelloyeALPAGE, Institut National de Recherche en Informatique et en Automatique (INRIA) & Univ Paris Diderot, Sorbonne Paris Cit

Projet EDyLex

フランス国立情報学自動制御研究所の中村です。本日は、オントロジー拡充のための固有表現抽出手法を提案いたします。

1

✓

✓

人間の知識に関するデータの構築は、近年、様々な分野において関心が高まっておりますが、自然言語処理の分野もその例外ではありません。　特に自然言語処理は、そういった知識データの活用と構築の両面で関わっています。今日は、知識情報データの一つであるオントロジー拡充のための自然言語処理技術による知識発見に関する研究、特にその中でも固有表現の抽出に関する研究をご紹介します。今日提案する手法では、固有表現間の意味関係パターンを活用します。固有表現とは、固有名詞を含む機関名、人名、地名などを表す名詞句全般を指し、これらの間に、例えば人名と機関名の間には所属関係、役職といった意味関係が存在します。今日は、このような意味関係抽出で得られたパターンを活用し、固有表現を抽出する手法を提案します。

2

今回の発表はご覧のプランに則り行います。3

Projet EDyLex

Acquisition of relations and

relation patterns

Instances of the relationNE pairs

Parsed Corpora

...

François Bayrou (individual) - MoDem (organization)

Matine Aubry (individual) - PS (organization)...

Resource

AFP dispatches Parsing

① ②

③④

Relation patterns(syntactic

paths)

我々の研究チームでは、Scribo、EDyLexという２つのプロジェクトを通して知識、言語資源構築のための様々な研究が行われています。またこれらの研究の応用により、プロジェクトパートナーであるフランス通信社AFPにおいて、ニュース記事編集支援のためのオントロジーの構築が行われています。このような背景のなか、まずオントロジー拡充のため固有表現間の意味関係自動抽出の研究が行われました。意味関係の抽出は、構文情報を利用するために構文解析を施したコーパスを用いて行いました。

4

19

添削希望者提出期限：１０⽉月24⽇日

配布資料料または

ドキュメント

フランス国立情報学自動制御研究所の中村です。本日は、オントロジー拡充のための固有表現抽出手法を提案いたします。

1

人間の知識に関するデータの構築は、近年、様々な分野において関心が高まっておりますが、自然言語処理の分野もその例外ではありません。　特に自然言語処理は、そういった知識データの活用と構築の両面で関わっています。今日は、知識情報データの一つであるオントロジー拡充のための自然言語処理技術による知識発見に関する研究、

2

今回の発表はご覧のプランに則り行います。

3

我々の研究チームでは、Scribo、EDyLexという２つのプロジェクトを通して知識、言語資源構築のための様々な研究が行われています。またこれらの研究の応用により、プロジェクトパートナーであるフランス通信社AFPにおいて、ニュース記事編集支援のためのオントロジーの構築が行われています。このような背景のなか、まずオントロジー拡充のため固有表現間の意味関係自動抽出の研究が行われました。

4

この構文情報を利用する手法においては、２つの構文要素の意味関係は、これらの要素を結ぶ構文パスによって表されるものと考えます。例えば、・・・これらの構文パスを「意味関係構文パス」と呼びます。

5

これら固有表現間に現れた構文パスをクラスタリングすることで、ご覧のような意味関係のクラスが得られます。このクラスタリングによって得られるデータには、意味関係クラスの他に２種類のデータが含まれています。人名ー機関名間の意味関係PDGクラスを例にとってみましょう。

6

20 プランニング

1 9⽉月19⽇日2 9⽉月26⽇日3 10⽉月3⽇日4 10⽉月10⽇日 ディベート（？） 5 10⽉月17⽇日6 10⽉月24⽇日 スライド＋原稿下書き提出 　希望者のみ10⽉月31⽇日 Semaine  de  lecture

7 11⽉月7⽇日 プレゼンプランニング8 11⽉月14⽇日9 11⽉月21⽇日 スライド＋原稿提出 　プレゼン1（6⼈人）

10 11⽉月28⽇日 プレゼン2（6⼈人） 11 12⽉月5⽇日 プレゼン3（6⼈人） 12 12⽉月12⽇日 プレゼン4（6⼈人）