@techreport{oai:ipsj.ixsq.nii.ac.jp:00224396,
 author = {巩, 尧 and 福田, 悟志 and 難波, 英嗣 and Yao, Gong and Satoshi, Fukuda and Hidetsugu, Nanba},
 issue = {4},
 month = {Feb},
 note = {自然言語処理において，上位下位語関係は知識体系の中核であり，多くの下流タスクに役立つ．特許を対象とした技術動向調査や審査等はその一例である．しかし，このような用語間の関係を人手で整備するのには非常にコストがかかる．本稿では，日本語，英語，中国語で記載された特許テキストデータから上位下位関係を抽出し，多言語シソーラスを自動構築する．提案手法は次に述べる 2 つのステップから構成される．まず，GAN (Generative Adversarial Network) を用いて上位下位関係にある用語を識別する．次に，前の手順で構築された上位下位関係のグラフに対し，ConvE と GraphSAGE を組み合わせたリンク予測を行い，本来であれば上位下位関係にあるべき欠落したエッジを予測する．提案手法の有効性を確認するために行った実験では，GAN を用いた上位下位関係の識別および ConvE と GraphSAGE を組み合わせたリンク予測の両方において，提案手法が従来手法よりも優れていることがわかった．, In natural language processing, hypernym-hyponym relations are the core of the body of knowledge (BOK) and is useful for many downstream tasks. An example of this is technical trend analysis and examination of patents. However, it is very costly to manually maintain these relationships between terms. In this paper, we extract hypernym-hyponym relations from patent text data written in Japanese, English, and Chinese, and automatically construct a multilingual thesaurus. The proposed method consisting of the following two steps. Firstly, we use GAN (Generative Adversarial Network) to identify the terms in a hypernym-hyponym relation. Secondly, ConvE and GraphSAGE are combined to predict links on the graph of hypernym-hyponym relations constructed in the previous step, predict missing edges that should be in a hypernym-hyponym relationship. Experiments conducted to demonstrate the effectiveness of the proposed method, it was found that our method outperforms previous methods in both the identification of hypernym-hyponym relations using GAN and link prediction using a combination of ConvE and GraphSAGE.},
 title = {リンク予測モデルによる多言語上位下位関係の自動抽出},
 year = {2023}
}