2026-05-14T11:39:18Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00220233 2025-01-19T14:38:19Z 1164:4179:10952:11016

疑似訓練データを用いたBERTによる同形異音語の読み推定 小林, 汰一郎 古宮, 嘉那子 新納, 浩幸 解析 日本語には読みに曖昧性を持つ単語が多数存在する．例えば「辛い」は「カライ」のほかに「ツライ」と読むこともできる．このような単語を同形異音語と呼ぶ．本論文では，BERT を用いて同形異音語の読み推定を行う．訓練・テストデータには現代日本語書き言葉均衡コーパス (BCCWJ) と日本語話し言葉コーパス (CSJ) を利用した．BCCWJ の大半を占める非コアデータの読みは，形態素解析システム MeCab により機械的に割り振られたものである．また，BCCWJ は書き言葉であり，CSJ は話し言葉なので，ドメインのずれが想定される．CSJ をターゲット領域としたとき，通常はこの領域の訓練事例を用いて読み推定のモデルを学習・構築すればよいが，訓練事例の構築コストが高いという問題がある．本研究では自動的に付与されたドメイン外の大量の疑似データ (BCCWJ のデータ) を利用することで，本来必要としたターゲットの領域の訓練事例の量を大幅に削減することができた． 情報処理学会 2022-09-22 jpn technical report https://ipsj.ixsq.nii.ac.jp/records/220233 2188-8779 AN10115061 研究報告自然言語処理（NL） 2022-NL-253 3 1 5 https://ipsj.ixsq.nii.ac.jp/record/220233/files/IPSJ-NL22253003.pdf application/pdf 935.3 kB 2024-09-22