文献紹介：Correction of OCR Word Segmentation Errors in Articles from the ACL Collection through Neural Machine Translation Methods

2019/1/30 文献紹介
長岡技術科学大学
自然言語処理研究室

Transcript

1. $PSSFDUJPO
   PG
   0$3
   8PSE
   4FHNFOUBUJPO
   &SSPST
 JO
   "SUJDMFT
   GSPN
   UIF
   "$-
   $PMMFDUJPO
   
 UISPVHI
   /FVSBM
   .BDIJOF
   5SBOTMBUJPO
   .FUIPET ௕Ԭٕज़Պֶେֶ
   ࣗવݴޠॲཧݚڀࣨ
   ੁ
   ३ࢤ จݙ঺հ
   ೥݄೔ 7JWJ
   /BTUBTF
   +VMJBO
   )JUTDIMFS
   1SPDFFEJOHT
   PG
   UIF
   &MFWFOUI
   *OUFSOBUJPOBM
   $POGFSFODF
   PO
   -BOHVBHF
   3FTPVSDFT
   BOE
   &WBMVBUJPO
   -3&$
   
2. "CTUSBDU w ࿦จʹର͢Δ0$3ޡΓͷగਖ਼
   w ۭനૠೖޡΓΛमਖ਼͢ΔͨΊʹ4FR4FRϞσϧΛ༻͍ͨ
   w ςετσʔλʹ͓͍ͯҎ্ͷਫ਼౓ͱ࠶ݱ཰Λಘͨ !2
3. *OUSPEVDUJPO w "$-ʹ͸ଟ͘ͷՊֶ࿦จ͕ଘࡏ͢Δ
   w ࿦จΛମܥԽ͠੔ཧ͢Δ͜ͱͰ 
 ؔ࿈ݚڀΛݟ͚ͭΔ͜ͱ͕༰қʹͳΔ
   w ࿦จΛମܥԽ͢ΔͨΊʹΩʔϑϨʔζநग़͕ߦΘΕ͍ͯΔ
   w ΩʔϑϨʔζநग़Ͱ͸ςΩετ͕ਖ਼͍͠΄Ͳ
 ྑ͍݁Ռ͕ಘΒΕΔ !3
4. *OUSPEVDUJPO w "$-ʹ͸ిࢠఏग़͕ඪ४ͱͳΔҎલʹఏग़͞Εͨ࿦จ͕ଘࡏ
   w ͜ΕΒͷ࿦จ͸0$3ʹΑͬͯॲཧ͞Ε͍ͯΔͨΊ
 ޡΓΛଟؚ͘Ή
   w ޡΓΛగਖ਼͢Δ͜ͱͰਖ਼͍͠ΩʔϑϨʔζநग़͕ߦ͑Δ
   w ޡΓʹΑΔΩʔϑϨʔζநग़΁ͷӨڹɿ
 4"''30/
   TZTUFN
   #PSEFB
   FU
   BM
    ʹΑͬͯ
 நग़͞ΕͨΩʔϑϨʔζͷݕࠪʹͯূ໌͞Ε͍ͯΔ !4
5. 5IF
   "$-
   $PSSFDUJPO w ର৅ͱ͢Δ"$-ͷ࿦จɿ
  ຊ
   ೥
   ʙ
   ೥ʣ
   w ిࢠఏग़͕ඪ४ͱͳͬͨͷ͸೥୅
 ͦΕҎલͷ࿦จ͸0$3ॲཧ͞Ε͍ͯΔ
   w ޡΓͷछྨͱͯ͠ಛʹۭനૠೖޡΓ͕ଟ͘ଘࡏ !5
6. !6
7. !7 ஔ׵ޡΓ ۭനૠೖޡΓ ࢴͷϨΠΞ΢τͷ౎߹্
 ૠೖ͞ΕͨϋΠϑϯ
8. .BDIJOF
   USBOTMBUJPOCBTFE
   DPSSFDUJPO
   NPEFM w గਖ਼ର৅ͷޡΓɿۭനૠೖޡΓ
   w ࢖༻͢ΔϞσϧɿ
 OFNBUVT
   TZTUFN
   4FOOSJDI
   FU
   BM
    
 ػց຋༁λεΫʹ͓͍ͯ4PU"Λୡ੒
   w ೖྗɿ෼͔ͪॻ͖͞Ε͍ͯͳ͍จ
   w ग़ྗɿ෼͔ͪॻ͖͞Εͨ୯ޠྻ
   w ֬཰ޯ഑߱Լ๏ ΫϩεΤϯτϩϐʔ࠷খԽΛ༻͍Δ !8
9. σʔλͷ੔ܗ w 0$3ͰಘΒΕͨจΛ੔ܗ
    ߦ຤͕ϋΠϑϯͷ৔߹͸ϋΠϑϯΛ࡟আ
    ߦ຤͕υοτ
   
   ɾٙ໰ූ
   
   
   ɾίϩϯ
   
   
   
 Ͱͳ͚Ε͹վߦΛ࡟আ
   w ߦʹஈམͷςΩετ͕ੜ੒͞ΕΔ !9
10. σʔλͷ෼ׂ w ೥Ҏ߱ͷσʔλ͸୯ޠ෼ׂ͕ਖ਼͘͠ߦΘΕ͍ͯΔͱ Ծఆ
    w σʔλΛͭʹ෼ׂ͠"͔ΒσʔληοτΛ࡞੒
    w ೥ΑΓલͷσʔλ #
    w ೥Ҏ߱ͷσʔλ " !10
11. σʔληοτͷ࡞੒  ߦஈམͱͳ͍ͬͯΔจΛ͞Βʹ෼ׂ͢Δ
    w ࣍ͷจ຤จࣈͰ෼ׂ
 
    
    
    
    
    
    
    w จ͕จࣈΑΓ௕͚Ε͹਺ࣈͰ෼ׂ
    w ͦΕͰ΋จࣈΑΓ௕͚Ε͹ จࣈͷ௕͞Ͱ෼ׂ !11
12. σʔληοτͷ࡞੒  4FR4FRϞσϧʹೖྗ͢ΔͨΊͷܗࣜʹม׵
    w จࣈྻ͔ΒۭനΛআڈ
    w ֤จࣈͷޙΖʹۭനΛૠೖ
     ਖ਼ղσʔλΛ࡞੒͢Δ
    w ਖ਼ղσʔλͷۭനΛಛผͳจࣈʢʣʹஔ׵
    w ֤จࣈͷޙΖʹۭനΛૠೖ !12
13. σʔληοτͷྫ !13
14. ࣮ݧ৚݅ w σʔληοτ
    w ࡞੒͞Εͨσʔλɿ  จ
    w ܇࿅σʔλɿ  จ
    w ςετσʔλɿ จ
    w ධՁ
    w ςετσʔλʹ͍ͭͯͷగਖ਼ͷධՁ
    w ೥Ҏલͷ࿦จʹର͢Δగਖ਼ͷධՁ !14
15. ςετσʔλʹ͍ͭͯͷగਖ਼ͷධՁ w ධՁํ๏
    w ਖ਼͘͠෼͔ͪॻ͖͞Εͨ୯ޠͷ਺ΛධՁ
    w 1SFDJTJPO
    
 ਖ਼͘͠෼͔ͪॻ͖Ͱ͖ͨ୯ޠ਺
    
    γεςϜͷग़ྗ୯ޠ਺
    w 3FDBMM
 ਖ਼͘͠෼͔ͪॻ͖Ͱ͖ͨ୯ޠ਺
    
    ਖ਼͍͠จͷ୯ޠ਺ !15
16. ςετσʔλʹ͍ͭͯͷగਖ਼ͷධՁ 1SFDJTJPO  3FDBMM  1SFDJTJPO  3FDBMM  ۭനޡΓશମͰͷείΞ ࣜதͷۭനޡΓΛআڈͨ͠৔߹ͷείΞ !16
17. ςετσʔλʹ͍ͭͯͷగਖ਼ͷධՁ w "ͷσʔληοτͰ܇࿅ͨ͠ϞσϧΛ
 #ͷσʔλʹద༻͍ͨ͠
    w "ͱ#Ͱ͸υϝΠϯ͸ಉ͕ͩ͡ग़ݱޠኮ͕
 ҧ͏Մೳੑ͕͋Δ
    w ܇࿅ɾ։ൃσʔλʹग़ݱ͠ͳ͍୯ޠͰͷείΞΛධՁ 1SFDJTJPO  3FDBMM  !17
18. ೥Ҏલͷ࿦จʹର͢Δగਖ਼ͷධՁ w ਖ਼͍͠จ͕நग़Ͱ͖ͳ͍ͨΊ
    "ͷσʔλͱ
 ಉ͡ධՁ͕Ͱ͖ͳ͍
    w 4"''30/
    TZTUFN
    #PSEFB
    FU
    BM
     ʹΑͬͯ
 ಘΒΕͨΩʔϫʔυʹ͍ͭͯධՁΛߦͳͬͨ
    w ධՁํ๏
    w #ͷ࿦จ͔Βແ࡞ҝʹຊͷ࿦จΛબͼ
 ֤Ωʔϫʔυͷ୯ޠ෼ׂ͕ਖ਼͍͔͠ਓखͰ൑அ
    w σʔληοτͷగਖ਼લͱగਖ਼ޙͷจʹରͯ͠ൺֱΛߦͳͬͨ !18
19. ೥Ҏલͷ࿦จʹର͢Δగਖ਼ͷධՁ !19
20. $PODMVTJPO w 0$3Ͱॲཧ͞Εͨ"$-࿦จͷҰ෦ʹ͋ΔۭനૠೖޡΓΛ
    4FR4FRϞσϧΛ༻͍ͯగਖ਼ͨ͠
    w ςετͰಘΒΕͨߴ͍είΞ͸ɺۭനޡΓͷେ෦෼Λ
 "$-σʔληοτΛ༻͍ͯగਖ਼Ͱ͖Δ͜ͱΛࣔ͢
    w ͜ͷख๏ʹΑͬͯ"$-࿦จͷਖ਼͍͠όʔδϣϯΛ࡞੒ !20