@techreport{oai:ipsj.ixsq.nii.ac.jp:00213916,
 author = {江原, 遥},
 issue = {11},
 month = {Nov},
 note = {外国語学習においては，多くの語を学習する事が必要になる．語の学習は時間がかかるので，優先順位をつけて段階的に提示したい．この時，一つの語で複数の意味がある語，すなわち「多義語」の難しさをどのように計測し，提示すべきかについては，これまであまり研究がなされてこなかった．例えば，語にいくつの意味があるのかそのものが言語学的に議論が残る場合があるため，語の用例の学習優先度（主要性）を知りたい場合には，語義のラベルを正確に付与するアプローチは不向きであると考えられる．そこで，本研究においては，母語話者が書いた大量のテキスト中の語の個々の用例について，語の主要性を直接計算・提示する深層機械学習モデルを提案する．まず，事前学習済言語モデルと転移学習の考え方を用いることで，語の出現（用例）ごとの意味を捉える文脈化単語埋め込みベクトル集合を語ごとに作成する．次に，各用例の文脈化単語埋め込みベクトルが外れ値である度合い（異常度）を計算する事で，各用例がどの程度主要で学習すべき用例かを計算する．実際に日本語を母語とする英語学習者に対して，英語母語話者により妥当性が確認された多義語の語彙テストを行うことで知る限り初めて第二言語学習者の多義語の語彙知識に関する公開データセットを作成した．このデータセットを活用した提案手法の評価について述べる．},
 title = {外国語語彙学習のための多義語の用例の主要性を提示するUI},
 year = {2021}
}