慣用句抽出のための統計尺度の比較評価

• Item type: SIG Technical Reports(1)
• 公開日: 2004-07-16
• タイトル: 慣用句抽出のための統計尺度の比較評価
• タイトル / 言語: en
• タイトル: Extraction of Japanese noun - verb collocations from Corpora
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: （株）日立製作所中央研究所
• 著者所属: （株）日立製作所中央研究所
• 著者所属: （株）日立製作所中央研究所
• 著者所属(英): en
• 著者所属(英): Central Research Laboratory, Hitachi, Ltd.
• 著者所属(英): en
• 著者所属(英): Central Research Laboratory, Hitachi, Ltd.
• 著者所属(英): en
• 著者所属(英): Central Research Laboratory, Hitachi, Ltd.
• 著者名: 相薗, 敏子; 小泉, 敦子; 森本, 康嗣
• 著者名(英): Toshiko, Aizono; Atsuko, Koizumi; Yasutsugu, Morimoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: テキストマイニングでは，文書DBから単語や単語のペアを抽出して文書DBの特徴としてユーザに表示する。慣用句は，複数の単語で一つの意味を表すため，全体でまとまった単位として扱う必要がある。本研究では，名詞と動詞のペアからなる慣用句を文書DBから抽出する方式を検討した。本稿では，慣用句を抽出するための統計尺度の比較・評価について述べる。相互情報量，χ^2，AICの比較実験により，χ^2が統計尺度としては最適であることを確認した。また異分野の文書DBを利用することにより，F値が50％から53％に向上した。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Extraction of noun-verb relations is essential for knowledge extraction from text. Proper treatment of collocations is one of the tasks, since they often present non-constitutional concepts and have to be treated as single units instead of verb-noun relations. In this paper, we describe an experimental evaluation of statistical measures for extracting Japanese noun-verb collocations from a corpus. Based on the result of an experiment using three measures; Mutual Information, χ^2, as well as AIC, we conclude that χ^2 is the most suitable measure to extract collocations. F measeure of χ^2 was improved from 50.1% to 52.8% by using a corpus from a different domain.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10115061
• 書誌情報: 情報処理学会研究報告自然言語処理（NL）; 巻 2004, 号 73(2004-NL-162), p. 103-108, 発行日 2004-07-16
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会