| Item type |
Journal(1) |
| 公開日 |
2024-07-15 |
| タイトル |
|
|
タイトル |
深層距離学習を用いた意味フレーム構築におけるフレーム要素知識の自動獲得 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Acquiring Frame Element Knowledge with Deep Metric Learning for Semantic Frame Induction |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
[一般論文] フレーム要素知識獲得，深層距離学習，文脈化単語埋め込み，FrameNet |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| ID登録 |
|
|
ID登録 |
10.20729/00237181 |
|
ID登録タイプ |
JaLC |
| 著者所属 |
|
|
|
名古屋大学 |
| 著者所属 |
|
|
|
名古屋大学／理化学研究所革新知能統合研究センター |
| 著者所属 |
|
|
|
名古屋大学 |
| 著者所属(英) |
|
|
|
en |
|
|
Nagoya University |
| 著者所属(英) |
|
|
|
en |
|
|
Nagoya University / RIKEN AIP |
| 著者所属(英) |
|
|
|
en |
|
|
Nagoya University |
| 著者名 |
山田, 康輔
笹野, 遼平
武田, 浩一
|
| 著者名(英) |
Kosuke, Yamada
Ryohei, Sasano
Koichi, Takeda
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
意味フレームの自動構築は，コーパス中の統語表現から意味フレームを用いた意味表現への対応づけを獲得することであり，これはテキスト中のフレームを喚起する単語を推定し，その単語をフレームごとにクラスタリングすること，およびフレーム喚起語の項を抽出し，その項をフレーム固有の意味役割であるフレーム要素ごとにクラスタリングすることで達成される．本研究では，後者のフレーム要素知識の獲得を目的とした項の自動抽出および項クラスタリングに着目し，項クラスタリングにおいて深層距離学習を用いる手法を提案する．提案手法では，フレーム情報が付与された教師データを用いて，埋め込み空間において類似した意味役割を示す項の埋め込みを近づけ，異なる意味役割を示す項の埋め込みを遠ざけるように，事前学習済み言語モデルをfine-tuningする．その後，得られたモデルの埋め込みを利用して項をクラスタリングする．FrameNetを用いた実験を通し，提案手法が既存手法と比較して高い性能を達成することを示す． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
A semantic frame induction can be considered as acquiring the mapping between syntactic representations in corpora and frame-based semantic representations, which is achieved by identifying the frame-evoking words and clustering them by semantic frame, and by extracting the arguments and clustering them according to the frame element roles that they should fill. In this paper, we address the latter task of automatic argument extraction and argument clustering, which aims to acquire frame element knowledge, and propose a method that applies deep metric learning for argument clustering. In this method, a pre-trained language model is fine-tuned to be suitable for distinguishing frame element roles through the training with frame-annotated data, and argument clustering is performed with embeddings obtained from the fine-tuned model. Experimental results on FrameNet demonstrate that our method achieves substantially better performance than existing methods. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN00116647 |
| 書誌情報 |
情報処理学会論文誌
巻 65,
号 7,
p. 1168-1179,
発行日 2024-07-15
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
1882-7764 |
| 公開者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-JNL6507006.pdf (4.6 MB)
