B3 勉強会 第四回

Transcript

1. B3 勉強会 第四回 (2016/01/08) 長岡技術科学大学 B3 桾澤 優希 日本文の意味の解析 (2)
2. 文の意味 ▪ 意味の解析は文の意味的な妥当性を判断し、意味的に 異常な文を排除するプロセス。 ▪ 構文解析の結果だけでは文の意味を求めた事にはならな い。 ▪ 「誰が、どこで、いつ、どうやって、何をしたか」を明確に明示 する必要がある。
3. 文の意味 ▪ 例 ▪ John broke the window with a hammer. ▪ 主語 : 「John」 ▪ The window broke. ▪ 主語 : 「The window」 ▪ A hammer broke the window ▪ 主語 : 「A hammer」 ▪ どの文章でも「窓が壊れた」ことを示すが、単に「broke」の 主語や目的語を求めるだけでは意味がわからない。 ▪ 日本語においても漢語動詞では同様の問題がある (例: キャンペーン)
4. 述語項構造 ▪ 動詞、形容詞等の述語を意味の中心に据え、 述語と項の関係を考える文の構造 ▪ 述語に対する項の役割を格と呼ぶ ▪ 主格 : 主語の役割をする格 ▪ 対格 : 直接目的語の役割をするもの ▪ 与格 : 間接目的語の役割をするもの ▪ 日本語では語順が自由であるため,格助詞にその働きがある ▪ ガ格、ヲ格、ニ格 等 (表層格)
5. 格文法 ▪ 文中の動詞に対して他の単語がどのような深層格、 意味役割を持つかを捉える文法 動作主格 (Agent) 動作を引き起こす者の役割 経験者格 (Experiencer) 心理事象を体験するものの役割 道具格 (Instrument) ある出来事の直接原因となったり,心理事象と関係 して反応を起こさせる刺激となる役割 対象格 (Object) 移動する対象物や変化する対象物. あるいは, 判断や想像のような心理事象を表す役割 … break ・動作主格 : John ・対象格 : window ・道具格 : hammer
6. 英語の意味役割付与 ▪ 意味役割の分類・セットは語義の分類と同様収束しない ▪ 形態素解析や構文解析と同様に機械学習を用いて 粗い意味役割を設定し、大規模コーパスに注釈 → PropBank ▪ 意味役割のセットは述語ごとに設定 (Roleset) 例) Roleset break.01 “break, cause to not be whole” Roles: Arg0: breaker Arg1: thing broken Arg2: instrument Arg3: pieces
7. PropBankに基づく意味役割付与 ▪ PropBankを教師データとして、機械学習による意味役 割付与のシステムを構築 ▪ 構文解析を行い、構文を明らかにする ▪ 述語と項候補の構文の関係およびその周辺から素性を取り出す ▪ 述語の語義と項候補の意味役割を分類 ▪ PropBankなどに与えられている情報の一貫性の問題と、 データスパースネスの問題がある
8. 日本語の格解析 ▪ 構文解析によって主格、対格などの表層系を明らかにし た上で意味役割付与を行うのが一般的 ▪ 日本語では構文解析を行うだけでは表層系が求まらない ことがある ▪ 例) オーブンでハムも乗せたパンを焼いた ▪ 「は」や「も」などの副助詞がある場合は、「が」や「を」などの格助詞が 明示されない。(ハムも) ▪ 連体修飾節で修飾される名詞は修飾節中の述語に対して格関係を持 つ(乗せる → パン が ニ格) ▪ 意味役割付与以前の問題として、表層系を明らかにすることが重要 な処理になる。
9. 日本語の格解析 ▪ 語順が自由、項の省略が多い日本語では、構文に意味 が依存することが大きい ▪ 日本語の構文を高精度に求めるには、数万文規模の注 釈付与コーパスから学習される意味関係だけでは不十分 ▪ 生コーパスから意味に関する大規模な知識を自動構築し それに基づいて日本語の構文と表層格を同時に解析
10. 格フレームの自動構築 ▪ 大量のテキストを構文解析し、述語項構造を抽出、 クラスタリングすることで自動構築する 格 用例 (数字は頻度) 焼く(1) ガ ヲ デ 私:114, ママ:75, 娘:74, ・・・ パン:54076, ケーキ:31693, 肉:14059, ・・・ 酵母:888, ベーカリ:768, オーブン:515, ・・・ 焼く(2) ガ ヲ ニ 皆:23, 先生:11, 人:8, ・・・ 手:26449 攻撃:18, 行動:15, 息子:15, ・・・ 焼く(3) ガ ヲ ニ メーカ:1, ディストリビューター:1, ・・・ データ:3683, ファイル:2137, コピー:163, ・・・ CD:13812, DVD:12200, ・・・ ︙ ︙ ︙
11. 格フレームの自動構築 ▪ 述語の直前の項がその意味・用法の決定に影響している と考え、その直前の項を組にしたものを単位として クラスタリングを行う ▪ 例) 「パンを焼く」「肉を焼く」「手を焼く」 ▪ よって次のような初期クラスタからクラスタリングを始める ▪ {私, 職人, ･･･}が{トースター, オーブン, ･･･}でパンを焼く ▪ {母, 主人, ･･･}が{オーブン, フライパン, ･･･}で肉を焼く ▪ {先生, 警察, ･･･}が{子供, 行動, ･･･}で手を焼く ▪ こうして求められたクラスタ間の類似度を分布類似度に基 づいて定義し、類似のクラスタをまとめていくことで格フレー ムを得ることができる
12. 構文と格の解析 ▪ 自動構築された格フレームを参照することで日本語文の 構文・格の曖昧性を同時に解消することができる ▪ 「オーブンで←焼いた」「ハムも←乗せた」という構造 「ハムをパンに乗せる」という格の解釈が妥当であるということがわかる ▪ 実際の解析では読点の有無や係り受け距離などの形も 手がかりに利用する オーブンで ハムも 乗せた パンを 焼いた 格解析結果 [乗せる] ヲ格:ハム ニ格:パン 格解析結果 [焼く] デ格:オープン ヲ格:パン
13. 参考文献 ▪ 黒橋 禎夫, 自然言語処理, 放送大学教育振興会 (2015.3.20) pp.106-115