部分木に基づくマルコフ確率場と言語解析への適用

• Item type: SIG Technical Reports(1)
• 公開日: 2003-09-29
• タイトル: 部分木に基づくマルコフ確率場と言語解析への適用
• タイトル / 言語: en
• タイトル: Subtree - based Markov Random Fields and Its application to Natural Language Analysis
• 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: 奈良先端科学技術大学院大学情報科学研究科
• 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): Graduate School of Information Science, Nara Institute of Science and Technology
• 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: 近年 統計的言語処理の分野において 分類アルゴリズムを順次適用して結果を得る History-based Methods に代わり 解析木 解析タグ列 1つを学習データとみなし 大域的な最適解を導出できるモデル(マルコフ確率場 (MRF) 条件付き確率場(CRF))が注目を浴びている.しかし 素性の設計は任意であり 恣意的に設計されることが多かった. 本稿では MRFに基づく言語解析のための 一般的で 効率よい素性選択手法を提案する. 具体的には 全部分木を素性候補とし 統計的な相関性に基づき 有益な素性を選択する. 英語の品詞タグ付け 英語の基本句同定を用いて有効性を検証したところ 従来手法に比べ 高精度を示した.
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Global discriminative models, such as Markov Random Fields, (MRF) and Conditional Random Fields (CRF), have gained a great attention in the statistical natural language analysis. These models are shown to outperform the history-based approaches, where a parsed-tree can be generated by a sequential process of classifications. In the global optimization with MRF/CRF, the feature set can be selected heuristically. In this paper, we propose a subtree-based log-linear model, where statistically-useful subtrees are used as a feature set. Experiments with POS-Tagging and Base-Phrase Chunking show that our approaches outperform the previous heuristic selections.
• 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 2003, 号 98(2003-NL-157), p. 33-40, 発行日 2003-09-29
• 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