@techreport{oai:ipsj.ixsq.nii.ac.jp:00220233,
 author = {小林, 汰一郎 and 古宮, 嘉那子 and 新納, 浩幸},
 issue = {3},
 month = {Sep},
 note = {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．},
 title = {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},
 year = {2022}
}