優先度学習を用いた自然言語処理

• Item type: SIG Technical Reports(1)
• 公開日: 2004-05-14
• タイトル: 優先度学習を用いた自然言語処理
• タイトル / 言語: en
• タイトル: Natural Language Processing based on Preference Learning
• 言語: jpn
• 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: 日本電信電話株式会社NTTコミュニケーション科学基礎研究所
• 著者所属: 日本電信電話株式会社NTTコミュニケーション科学基礎研究所
• 著者所属: 日本電信電話株式会社NTTコミュニケーション科学基礎研究所
• 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): NTT Communication Science Laboratories, NTT Corporation
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories, NTT Corporation
• 著者名: 磯崎, 秀樹; 賀沢, 秀人; 平尾, 努
• 著者名(英): Hideki, Isozaki; Hideto, Kazawa; Tsutomu, Hirao
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 最近、自然言語処理においてSVMが利用されることが増えてきている。SVMは二値分類器としては高性能であるが、タスクによっては必ずして最良の方法とは限らない。たとえば英語依存構造解析は、各単語が同一文中のどの単語に係るかを決定するタスクであり、係り先として最良のものを選ぶ必要がある。またゼロ代名詞解消は、ゼロ代名詞が指している先行詞を推定するタスクであり、複数の指示対象の中から最良のものを選ぶ。これらのタスクは候補の優先度の比較が必要であり、SVMが最適とは言えない。そこで、この2つのタスクでSVMと優先度学習を用いた実験したところ、優先度学習の方が高精度であった。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Nowadays, SVM is widely used in Natural Language Processing. However, SVM is not necessarily the best learning method for some tasks. For instance, English word dependency analysis selects the best modificand for each word in a sentence. Zero pronoun resolution selects the best antecedent for each zero pronoun. SVM has shown good performance for these tasks. However, SVM is not designed for preference. Therefore, SVM is not optimal for these tasks. In this report, we show that Preference Learning gives better results than SVM for these tasks.
• 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: 情報処理学会研究報告自然言語処理（NL）; 巻 2004, 号 47(2004-NL-161), p. 105-110, 発行日 2004-05-14
• 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