2024-03-29T19:33:41Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:000496262024-03-29T05:26:34Z01164:04179:04306:04312
隠喩理解 -命題分解によるニューラルネットワークの利用-Metaphor Comprehension -Using Neural Network by Predicate Decomposition-jpnhttp://id.nii.ac.jp/1001/00049626/Technical Reporthttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=49626&item_no=1&attribute_id=1&file_no=1Copyright (c) 1990 by the Information Processing Society of Japan東京大学工学部東京大学工学部東京大学工学部土井, 晃一佐川, 浩彦田中, 英彦今日、隠喩理解は計算機上で自然言語理解を行なうに当たって非常に重要な問題となってきている。我々の目的は人間が隠喩理解をするのになるべく近い形で計算機に隠喩理解させることにある。隠喩理解を行なうに当たって我々はニューラルネットワークを用いた連想網を使用する。我々のシステムではニューラルネットワークの入力として文の成分の中の自立語を使用する。出力は文の解釈を優先順位をつけた形で現れる。隠喩理解の基本原理として我々は混合理解を採用した。各々の解釈を別のニューロンに割り当て、ニューロンの活性値の大小により、優先順位をつけることにより、混合理解を実現する。Nowadays, metaphor comprehension is very important for natural language comprehenson on computers. Our objective is to comprehend metaphor by computer in the same way as man comprehends metaphor. For the metaphor comprehension, we use associative network. Associative network is realized using neural network. In our system, as input to the neural network, independent words in sentences is used. Then output from the network represents the best interpretation of the sentence. Our metaphor comprehension model is based on the interaction theory. Mixture theory is realized by assigning each neuron each interpretation, and by ordering neurons according to size of activation values.AN10115061情報処理学会研究報告自然言語処理(NL)19905(1989-NL-075)181990-01-182009-06-30