相対的な係りやすさを考慮した日本語係り受け解析モデル

• Item type: Journal(1)
• 公開日: 2005-04-15
• タイトル: 相対的な係りやすさを考慮した日本語係り受け解析モデル
• タイトル / 言語: en
• タイトル: Japanese Dependency Parsing Using Relative Preference of Dependency
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• その他タイトル / その他のタイトル: 自然言語
• 著者所属: NTT コミュニケーション科学基礎研究所
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories, NTT Corporation
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science, Nara Institute of Science and Technology
• 著者名: 工藤, 拓; 松本, 裕治
• 著者名(英): Taku, Kudo; Yuji, Matsumoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，相対的な係りやすさを考慮する新しい係り受け解析モデルを提案する．従来の統計的係り受け解析手法の多くは元の問題を着目する2文節が係るか係らないかという二値分類問題に帰着させ，任意の機械学習アルゴリズムを適用していた．しかし，2文節のみが与えられた状態で係るか係らないかの分別を行うことは一般に困難な場合が多い．係り受け解析は候補集合から係り先を1つ選択するタスクであるため，二値分類よりは候補間での係りやすさの相対的な大小関係を比較するほうがタスクの性質をうまく反映している．本稿で提案する「相対モデル」は，係りやすさの相対的な大小関係をモデル化し学習することが可能である．京大コーパスを用いて実験を行った結果，従来法と比較して学習効率で改善されるとともに高い正解率（91.37%）を示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper presents a new statistical Japanese dependency parser which models a relative preference of dependency. Most conventional Japanese dependency parsers are based on binary classification where all possible pairs of segments are classified into positive (dependent) or negative (non-dependent) examples. However, such methods are not suitable for dependency parsing, since the goal of this task is not to classify pairs of segments into two classes, but to select the most likely modifiee out of all candidates. The proposed method is based on this observation and models how likely a pair of segments have a dependency relation in comparison with other pairs. Experiments using the Kyoto University Corpus show that the method outperforms previous systems as well as improves the training efficiency.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 46, 号 4, p. 1082-1092, 発行日 2005-04-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764