文献紹介 6月17日

Transcript

1. 文献紹介(2016/05/16) 長岡技術科学大学 B4 桾澤 優希 Wikipediaを利用した上位下位関係の詳細化
2. 文献 ▪ 論文 ▪ 山田 一郎, 橋本 力, 呉 鍾勲, 鳥澤 健太郎, 黒田 航, Stijn De Saeger, 土田 正明, 風間 淳一, Wikipedia を利用した上位下位関係の詳細化. 自然言語処理, Vol. 19 (2012) No. 1 p. 3-23 ▪ キーワード ▪ 上位下位関係獲得, 「対象–属性–属性値」抽出, Wikipedia 2
3. 概要 ▪ 自動獲得した上位下位関係をWikipediaの情報を利 用し,より詳細にする試み ▪ 「作品 → 七人の侍」から「作品→映画監督の作品→ 黒澤明の作品→七人の侍」のように中間ノードを生成す る ▪ 一つ目の中間ノードを適合率85.3%で2,719,441個、 二つ目の中間ノードを適合率78.6%で6,347,472個 生成 3
4. 導入 ▪ 上位下位関係は自然言語処理の様々なタスクにおいて 最も重要な意味関係の一つ ▪ 今までの研究では上位下位関係を 「AはBの一種あるいはインスタンスであるAとBの関係」 と定義 ▪ 次のペアはいずれも上位下位関係にある 「黒澤明の映画作品 → 七人の侍」 「映画作品 → 七人の侍」 「作品 → 七人の侍」 4
5. 導入 ▪ 質問応答等のアプリケーションを考える ▪ 「”七人の侍”とは何ですか?」に対して「作品」は適切な回答ではない ▪ 「下位概念Cに対して, AはBより詳細な上位概念」 ▪ AとBは同じ下位概念Cを持つ ▪ BはAの上位概念である ▪ この定義に基づいて元の上位下位関係を詳細化する。 5
6. 理論 ▪ wikipediaを用いた上位下位関係の獲得 ▪ Wikipediaが提供するMediaWikiのソースコードを用いる。 ▪ 記事の節見出し、小節タイトル項目名を用いて上位下位関係候補 を取得 ▪ SVMを用いて上位下位関係候補を分類 ▪ 上位概念候補、下位概念候補の品詞 ▪ 上位概念候補、下位概念候補に含まれる形態素 ▪ 上位概念候補、下位概念候補の表層系文字列 ▪ 上位概念候補、下位概念候補が属性語Xに一致するか否か ▪ 上位概念候補、下位概念候補の修飾記号 ▪ 上位概念候補と下位概念候補間のレイアウト構造上の距離 ▪ 上位概念候補と下位概念候補の末尾1文字が一致するか 6
7. 理論 7
8. 理論 8 ▪ 詳細な上位下位関係の獲得
9. 理論 9 ▪ T-上位下位関係の獲得 ▪ ベース上位下位関係の上位概念をWikipedia記事タイトルを用い, T-上位概念を生成 ▪ T-上位概念は元の上位概念とWikipedia記事タイトルを助詞「の」で 連結して生成。 ▪ 例) 「作品」「黒澤明」 → 「黒澤明の作品」 ▪ G-上位下位関係の獲得 ▪ T-上位概念の記事タイトルをその上位概念で置き換えることで生成 ▪ 上位概念は記事の一文目と下部のカテゴリ情報をSVMで判定したも のを利用 ▪ 例) 「黒澤明の作品」 → 「映画監督の作品」
10. 実験 ▪ 2009-09-27版の日本語Wikipediaデータを用いてG- 上位下位関係を取得 ▪ 上位下位関係が妥当か以下のペアについて評価 ▪ ベース上位下位関係 ▪ G-上位概念ペア ▪ T-上位概念ペア ▪ 被験者3人で200ペア(G-上位概念ペアは178ペア)につ いてGood, Less good, Bad の三段階で評価 10
11. 結果 11
12. 結果 12
13. 実験 13
14. 実験 14
15. 実験 15
16. まとめ ▪ 自動獲得した上位下位概念の上位概念をより詳細にす る手法を提案した ▪ 2,719,441個のT-上位概念ペアを適合率85.3% 6,347,472個のG-上位概念ペアを適合率78.6%で取得 ▪ 下位概念が普通名詞であるペアを除くことで 1,958,117個のT-上位概念ペアを適合率93.7% 4,960,751個のG-上位概念ペアを適合率85.3%で取得 16