大規模テキストを用いた２文接続関係の同定

Transcript

1. 大規模テキストを用いた ２文間接続関係の同定 齋藤真実（長岡技術科学大学） 山本和英（長岡技術科学大学） 関根聡（ランゲージクラフト・NYU）

2. Introduction 概要  2文間の接続関係を大量のコーパスから統計的に判断  1文目と2文目に含まれる単語ペアの利用  構文パタンによる判定 応用 

   談話解析、修辞構造解析  ドキュメント要約：2文→1文の要約等  QAシステム：原因を尋ねる質問等

3. 関連研究 Marcu and Echihabi[2002]  大規模コーパスから接続詞のある2文を抽出  2文に含まれる単語のペアを素性とし、ナイー ブベイズ分類器を用いて分類 

   6分類（本研究とは異なる）で49.7% 横山ら[2003]  SVMを用いた談話構造解析  談話構造を付与した訓練データが必要

4. 接続関係の分類 1.2% 例えば、たとえば（2個のみ） 例示 5.1% さて、ところで、では 転換 6.0% 一方、もしくは、つまり 並列

   12.1% だから、すると、ゆえに 因果 32.2% しかし、でも、ところが、だが 加反 43.0% また、そして、しかも 累加 出現頻度 接続詞の例 接続関係

5. システムの流れ

6. 単語要素による判定① 例1）1．世界の国々がお互いの独立を認め、対等 の立場で交際するのが理想である。 　 2．そうならないのが現実でもある。 「理想⇔現実」 → 加反 「一般名詞｣｢サ変名詞」｢動詞｣｢形容詞」のみ 同一品詞、「サ変名詞」＆「動詞」、｢動詞」＆「形容詞」の組み

   合わせのみ使用

7. 単語要素による判定② 例2）1．町にはいっぱいお店があります。 　 　2．服屋さん、お土産屋さん、デパート、スーパーマ ーケットが主なお店です。 　　上位語：「店」 　　下位語：「服屋」「土産屋」「デパート」「スーパーマーケット」 ↓ 例示 抽出した単語ペアのコーパス中の頻度からスコアを計算し、

   尤もらしい接続関係を選択

8. スコアの計算 各接続関係に対してスコアを計算 Score1(DR) Score2(DR) 2つのスコアで共に一位になった場合のみ利用 の総和 する各単語ペアの頻度 すべての接続関係に対 アの頻度の総和 であるときの各単語ペ

   接続関係がDR = ( ) のコーパス中での割合 接続関係DR DR Score1 =

9. 構文パタン 構文情報のみから接続関係を判定 　＜パタン例＞ 1．「～は～だった。（しかし）～というわけではない。」 2．「～には～である。（例えば）～などなど。」 単語ペアをパタンに置き換えて同様にスコアを計 算（それぞれScore3, Score4とする） 両スコアで一位になる場合のみ利用 ※コーパス中で1000回以上マッチする文があるパタンは使用

   しない

10. Step1: 不要な文節の削除  「助詞-連体化」の「の」で終わる文節とその文節の係り 元すべて  並列助詞で終わる文節 Step2: パタンの構成要素の取得→パタンの追加 

    (内容語)？(助詞|助動詞|。)+＄  副詞＄ 例3） 1．彼女の心にどんな思いがあったかはわからない 。 　　2．それはとても勇気がいることだったに違いない。 構文パタンの作成①

11. Step3: 要素を順に削除→パタンの追加  ｢サ変名詞｣、｢固有名詞」を削除 彼女の心にどんな思いがあったかはわからない。 それはとても勇気がいることだったに違いない。  ｢動詞」、「形容詞」を削除 彼女の心にどんな思いがあったかはわからない。 それはとても勇気がいることだったに違いない。

     ｢副詞」、「名詞」を削除 彼女の心にどんな思いがあったかはわからない。 それはとても勇気がいることだったに違いない。 構文パタンの作成②

12. 構文情報追加による向上 0.65 0.53 出現頻度を考慮 0.64 (192/300) 0.57(171/300) 合計 0.60 (30/50)

    0.56 (28/50) 例示 0.72 (36/50) 0.66 (33/50) 転換 0.58 (29/50) 0.58 (29/50) 並列 0.56 (28/50) 0.56 (28/50) 因果 0.86 (43/50) 0.62 (31/50) 加反 0.52 (26/50) 0.44 (22/50) 累加 構文情報を追加 単語ペアのみ 接続関係

13. 人間による接続判定 3人の人間に同じ問題を与え、最大3個まで許可 し接続関係を判定 結果はそれぞれ63%,54%,48% ※人の出力N個の中に正解が含まれている場合は1/N個の 正解とする 2人の人間の出力の一致率の平均は69％ 47% 60% 63%

    71% システムの正解率 0 1 2 3 正解した人の数

14. 結論 2文間の接続関係を同定するため、単語情 報に加え、構文パタンを利用 構文情報を用いることで、単語のみで判断 した場合より精度が12%向上（53%→65%） 今後の課題  機械学習の適用（単語と構文からの情報を同 時に考慮することで、精度の向上を期待） 

    さらに広い文脈からの情報を利用