@techreport{oai:ipsj.ixsq.nii.ac.jp:00101199,
 author = {濱口拓男 and 新保仁 and 松本裕二},
 issue = {10},
 month = {May},
 note = {NLP における多くの問題は，クラス分類として定式化される．Multi-Task Feature Learning(MTFL) は，クラス分類や回帰問題といったタスクを複数同時に学習することで，タスク全体の精度を改善する多タスク学習の一種である．しかし MTFL は全てのデータがどれか 1 つのタスクに所属している事を仮定しており，データがどのタスクに所属するかが不明瞭な場合や，複数のタスクに所属している場合には適用できなかった．本論文では，条件付きロジスティック分布という考えを用いることで，そのような状況でも MTFL を適用できる拡張手法を提案する．我々の方法はタスクの情報が無い場合でも，元々の MTFL の精度とほぼ同等の精度を実現する．},
 title = {条件付きロジスティック分布を用いた重み付き多タスク学習},
 year = {2014}
}