低頻度語学習手法を用いたConvolutional Encoder-Decoderモデルによる文法誤り訂正

• Item type: SIG Technical Reports(1)
• 公開日: 2018-12-04
• タイトル: 低頻度語学習手法を用いたConvolutional Encoder-Decoderモデルによる文法誤り訂正
• タイトル / 言語: en
• タイトル: Grammatical Error Correction on Convolutional Encoder-Decoder Model Focusing on a Learning Method of Low Frequency Words
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 機械翻訳・文法誤り訂正
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京都市大学大学院工学研究科情報工学専攻
• 著者所属: 東京都市大学知識工学部情報科学科
• 著者所属: 東京都市大学知識工学部情報科学科
• 著者所属: 東京都市大学知識工学部情報科学科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Tokyo City University
• 著者所属(英): en
• 著者所属(英): Faculty of Knowledge Engineering, Tokyo City University
• 著者所属(英): en
• 著者所属(英): Faculty of Knowledge Engineering, Tokyo City University
• 著者所属(英): en
• 著者所属(英): Faculty of Knowledge Engineering, Tokyo City University
• 著者名: 町田, 翔; 藤田, 和成; 延澤, 志保; 荒井, 秀一
• 著者名(英): Sho, Machida; Kazumasa, Fujita; Shiho, Hoshi Nobesawa; Shuichi, Arai
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 文法誤り訂正は，英語学習者による誤った英文を自動で訂正するタスクである．近年，Recurrent Neural Network (RNN) モデルによる文法誤り訂正タスクの精度向上が報告されている．Neural Network モデルは，計算量削減のため学習時に扱えるボキャブラリに制限かけているという課題がある．英語学習者が誤る可能性の高い語は，出現頻度が低いためボキャブラリ数の制限により学習に含まれない．そのため，文法誤り訂正において低頻度語は，正しい語に訂正すべき対象である．これまで本研究では，文法誤り訂正のための低頻度語学習手法を提案し，RNN モデルを用いて精度向上を確認した．本稿ではさらなる精度向上を目指すため，広範的な文脈を補完することが可能な Convolutional Encoder-Decoder による文法誤り訂正のための低頻度語学習手法を提案する．我々は，データ数を増加させ，出現する単語数を増やさないために，限定的用法として使われている形容詞を削除するデータ拡張を行った．また，文字列としての出現頻度を底上げするために，単語を部分文字列として扱う低頻度語学習手法を行い，未知語の解消と文法誤り訂正タスクによる精度向上を確認した．
• 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: AN10115061
• 書誌情報: 研究報告自然言語処理（NL）; 巻 2018-NL-238, 号 4, p. 1-5, 発行日 2018-12-04
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8779
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会