要約事例を用例として模倣利用したニュース記事要約

Transcript

1. 要約事例を用例として 模倣利用したニュース記事要約 06516891　牧野　恵 山本研究室 （2008/1/24 予備審査）

2. 発表の流れ 1. 研究の背景 2. 自動要約の既存研究 3. 本研究の目的 4. 提案手法 5.

   評価実験及び考察 6. まとめ

3. 発表の流れ 1. 研究の背景 2. 自動要約の既存研究 3. 本研究の目的 4. 提案手法 5.

   評価実験及び考察 6. まとめ

4. 電子化文書が膨大に  情報爆発時代の到来 ✔ インターネットの普及 ✔ 企業に対するe-文書法の施行  人間の文書処理能力の限界 ✔

   多くの時間を費やしている • 必要な情報を探す、 • 情報を取捨選択する

5. 情報へ効率よくアクセスするために  現在の言語処理技術において ✔ ユーザに対する支援技術のシステム • 情報検索 • 文書クラスタリング 　

   　　　　　　 ✔ システムが提示した候補（文書） • 本当に探している情報なのか？ • その候補（文書）の中を読まなくてはならないのが現状 ･･･

6. ユーザへの支援技術 ~自動要約~  ユーザの負荷を減らすことができる ✔ 文書の要約文を提示、 ✔ ユーザはそれを見て必要な情報か判断  自動要約の研究

   ✔ 50年近くの歴史がある ✔ 近年、より盛んに研究が行われている

7. 発表の流れ 1. 研究の背景 2. 自動要約の既存研究 3. 本研究の目的 4. 提案手法 5.

   評価実験及び考察 6. まとめ

8. 重要文抽出と文圧縮  対象別にみる要約手法 ✔ ①　文書　⇒　1文または複数文へ　　 ✔ 重要文抽出手法 [Brandow+,95; Zechner,96] タイトル情報

   １ ２ ３ ４ ５ ６ ７ ８ ９ 1 2 3 4 5 … 文の位置 単語の頻度情報 １ ３ ２ 入力：文書 文に対して 　　重要度を計算 要約 出力： 最も重要だと 　判定された文 。

9. 重要文抽出と文圧縮  対象別にみる要約手法 ✔ ②　1文　⇒　1文へ圧縮　　 ✔ 文圧縮手法 [Jing+,99; Mani+,04] １

   ２ ３ ４ ５ ６ ７ ８ ９ 入力：1文 単語や文節に対して 　　重要度を計算 要約 出力：１文 金融機関の破たん時に、 　 預金などの払い戻し保証を 　 一定額までとする「ペイオフ」の 　 凍結解除を1年延期することが 　 決まった。 冗長な表現を削除 （不要部分の削除） 単語の頻度情報 「ペイオフ」の凍結解除を1 年延期。

10. 文や文節、単語に重要度  既存研究の多くは ✔ 文や文節、単語に重要度を付与して要約 ✔ 文を抽出 or 文を圧縮 

    人間が要約するときには ✔ 多くの情報を考慮している • 経験（どんな内容で要約したらよいのか） • 知識（文法、語の繋がりの知識）　... etc. ✔ 複数文の情報を含んだ要約を作成する  人間と同じような重要度の設定ができるのか？  文抽出や文圧縮では、複数文の情報を含む要約を 作ることができない

11. 発表の流れ 1. 研究の背景 2. 自動要約の既存研究 3. 本研究の目的 4. 提案手法 5.

    評価実験及び考察 6. まとめと今後の予定

12. 人間が作成するような要約を  Goal ✔ 重要度の設定なしで、 ✔ 複数文の情報を含んだ、要約文を作成したい  Idea ✔

    入力は１文書 ✔ 複数の文から文節を取ってきて組み合わせる ✔ 要約事例を用例として使用し、 ✔ それを模倣して要約を作成する • 要約事例 ： 人間が作った要約文 　　　　　　　　　人間の経験、知識を含んでいる

13. 発表の流れ 1. 研究の背景 2. 自動要約の既存研究 3. 本研究の目的 4. 提案手法 5.

    評価実験及び考察 6. まとめ

14. 比較 a b c d e 。 A B C

    D E。 F G H I J K L。 M N O P。 要約事例DB 入力ニュース記事 。 。 … 類似用例文 a b c d e 。 a b c d e。 A D E I P J N O B E L H E 対応文節 a b c d e。 A D E I P J N O B E L H E 出力要約文　J D O B P。 1. 類似用例文の検索 　要約事例DBから 　入力の内容に類似した 　用例文を探す ２．文節の　　　　 　　　　　　対応付け 　類似用例文の　 　文節に類似した入力の 　文節を対応付ける ３．対応文節の　 　　　　　　　　　組合せ 　全体で最もスコアの 　高くなるパスを 　見つける

15. 比較 a b c d e 。 A B C

    D E。 F G H I J K L。 M N O P。 要約事例DB 入力ニュース記事 。 。 … 類似用例文 a b c d e 。 a b c d e。 A D E I P J N O B E L H E 対応文節 a b c d e。 A D E I P J N O B E L H E 出力要約文　J D O B P。 1. 類似用例文の検索 　要約事例DBから 　入力の内容に類似した 　用例文を探す ２．文節の　　　　 　　　　　　対応付け 　類似用例文の　 　文節に類似した入力の 　文節を対応付ける ３．対応文節の　 　　　　　　　　　組合せ 　全体で最もスコアの 　高くなるパスを 　見つける

16. 類似用例文の検索  どのような用例文を類似用例文とするか？ ✔ 入力ニュース記事の内容に類似した用例文 ➔ 入力のどの部分を要約文に入れたらよいか判断できる。  内容の類似性：どこに注目して測るか？ ✔

    ① 述語　 • 文の主題となる • 文の形（格）を決める ✔ ② 内容語　（名詞、動詞、形容詞などの語） • 文の具体的な内容を表す

17. 類似用例文の検索方法 参入 拡大 入力ニュース記事 要約事例DB 。 。 。 。 。

    。 入力の述語群 参入 改善 決める 着工 類似単語データベース[Lin,98] 参入：[進出|出店|上場] 拡大：[強化|増加|改善] 完成：[開業|開通|着工] 完成 用例文の述語群 ＋[開業|開通|着工] ＋[進出|出店|上場] ＋[強化|増加|改善] 比較 ～参入、...拡大。 ～完成。 入力と述語が一致した用例文 述語一致数　　　用例文 ３ ３ ２ ２ １ 。 。 。 。 。 ・・・ ・・・ ・・・ ・・・  ①　述語に注目して検索

18. 類似用例文の検索方法  ②　内容語に注目して検索 入力と述語が一致した用例 述語一致数　 用例文 ３ ３ 　 ２

    ２ １ 。 。 。 。 。 入力ニュース記事 。 。 。 。 入力の内容語群 社長 日 狙い 事業 … 社長, 日, 会社, 狙い ... 用例文の内容語群　と　内容語数 半導体,業種, 事業, ... 比較 ９形態素 ８形態素 類似用例文の出力 順位　述語一致数　内容語一致率　　　　　用例文 １ ２ ３ ４ ５ ３ ３ ２ ２ １ ０.８ ０.６ ０.７ ０.５ ０.４ 。 。 。 。 。 ・・・ ・・・ ・・・ ・・・ ・・・ 。

19. 比較 a b c d e 。 A B C

    D E。 F G H I J K L。 M N O P。 要約事例DB 入力ニュース記事 。 。 … 類似用例文 a b c d e 。 a b c d e。 A D E I P J N O B E L H E 対応文節 a b c d e。 A D E I P J N O B E L H E 出力要約文　J D O B P。 1. 類似用例文の検索 　要約事例DBから 　入力の内容に類似した 　用例文を探す ２．文節の　　　　 　　　　　　対応付け 　類似用例文の　 　文節に類似した入力の 　文節を対応付ける ３．対応文節の　 　　　　　　　　　組合せ 　全体で最もスコアの 　高くなるパスを 　見つける

20. 文節の対応付け  類似用例文と入力ニュース記事の文節を比較 ✔ 類似している文節を対応付ける ✔ １ 対 多　で対応付け 

    3つの対応付け尺度 ✔ 助詞の一致 ✔ 固有表現タグの一致 ✔ 単語間類似度 類似用例文の文節 入力ニュース記事の文節

21. 文節の対応付け  助詞の一致 ✔ 目的 • 同じような使われ方をしている文節を対応付ける • （主語、目的語など） 

    固有表現タグの一致 ✔ 目的 • 固有表現のまとまりが同じ単語を含む文節を対応付ける 私が　　　 彼が （ガ格） 計画を　　 予定を　 （ヲ格） ソニーを Panasonicに　(ORGANIZATION) 21日、　　 昨年 (DATE) 　　

22. 文節の対応付け  単語間類似度 ✔ 目的 • 意味の似ている単語、使われ方の似ている単語を含む 文節を対応付ける ✔ 類似単語データベース[Lin,98]を使用

    • 新聞10年分のテキストを使用し、あらかじめDBを自動作成した • 同じような係り受けをもつ単語は類似度が高い ✔ 類似用例文の文節１つに対して、 　類似度の高かった入力の文節上位３つを対応付ける 事務所 :: 支店(0.22)、室 (0.22)、センター(0.21)、… 値上げ :: 引き上げ(0.24)、値下げ(0.22)、引き下げ(0.22)、… スポーツ :: サッカー(0.16)、ゴルフ(0.15)、ビジネス(0.14)、… 類似度

23. 文節の対応付け例 NTTは光通信並みの無線ネット技 術を開発、今秋にもサービスを開始 する。 東芝はがん診断に活用できるヘリカル CTを実用化した。 同社は来年六月に発売を始め、年商三 百億円を目指す。 … ＜入力ニュース記事＞

    ＜類似用例文＞ 比較 … 助詞の一致: 東芝は　同社は 固有表現タグの一致： 東芝は 単語間類似度： 東芝は NTTは ~の無線ネット技術を 開発、 今秋にも サービスを 開始する。

24. NTTは光通信並みの無線ネット技 術を開発、今秋にもサービスを開始 する。 東芝はがん診断に活用できるヘリカル CTを実用化した。 同社は来年六月に発売を始め、年商三 百億円を目指す。 … ＜入力ニュース記事＞ ＜類似用例文＞

    比較 … 助詞の一致: ~CTを　発売を　~三百億円を 固有表現タグの一致： （なし） 単語間類似度： 　　　~CTを 　 文節の対応付け例 NTTは ~の無線ネット技術を 開発、 今秋にも サービスを 開始する。

25. NTTは光通信並みの無線ネット技 術を開発、今秋にもサービスを開始 する。 東芝はがん診断に活用できるヘリカル CTを実用化した。 同社は来年六月に発売を始め、年商三 百億円を目指す。 … ＜入力ニュース記事＞ ＜類似用例文＞

    比較 … 助詞の一致: （なし） 固有表現タグの一致： （なし） 単語間類似度： 実用化した。 　 文節の対応付け例 NTTは ~の無線ネット技術を 開発、 今秋にも サービスを 開始する。

26. NTTは光通信並みの無線ネット技 術を開発、今秋にもサービスを開始 する。 東芝はがん診断に活用できるヘリカル CTを実用化した。 同社は来年六月に発売を始め、年商三 百億円を目指す。 … ＜入力ニュース記事＞ ＜類似用例文＞

    比較 … 助詞の一致: （なし） 固有表現タグの一致： 来年六月に 単語間類似度： 来年六月に 文節の対応付け例 NTTは ~の無線ネット技術を 開発、 今秋にも サービスを 開始する。

27. NTTは光通信並みの無線ネット技 術を開発、今秋にもサービスを開始 する。 東芝はがん診断に活用できるヘリカル CTを実用化した。 同社は来年六月に発売を始め、年商三 百億円を目指す。 … ＜入力ニュース記事＞ ＜類似用例文＞

    比較 … NTTは ~の無線ネット技術を 開発、 今秋にも サービスを 開始する。 助詞の一致: ~CTを　発売を　~三百億円を 固有表現タグの一致： （なし） 単語間類似度： 発売を 文節の対応付け例

28. NTTは光通信並みの無線ネット技 術を開発、今秋にもサービスを開始 する。 東芝はがん診断に活用できるヘリカル CTを実用化した。 同社は来年六月に発売を始め、年商三 百億円を目指す。 … ＜入力ニュース記事＞ ＜類似用例文＞

    比較 … NTTは ~の無線ネット技術を 開発、 今秋にも サービスを 開始する。 助詞の一致: （なし） 固有表現タグの一致： （なし） 単語間類似度： 始め、 文節の対応付け例

29. 文節の対応付け例 NTTは　~技術を　開発、　今秋にも　 サービスを 開始する 東芝は 同社は 実用化 　　　した 来年六月に 始め、

    ~CTを 発売を ~円を ~CTを 発売を ~円を 類似用例文の文節 入力記事からの対応文節

30. 比較 a b c d e 。 A B C

    D E。 F G H I J K L。 M N O P。 要約事例DB 入力ニュース記事 。 。 … 類似用例文 a b c d e 。 a b c d e。 A D E I P J N O B E L H E 対応文節 a b c d e。 A D E I P J N O B E L H E 出力要約文　J D O B P。 1. 類似用例文の検索 　要約事例DBから 　入力の内容に類似した 　用例文を探す ２．文節の　　　　 　　　　　　対応付け 　類似用例文の　 　文節に類似した入力の 　文節を対応付ける ３．対応文節の　 　　　　　　　　　組合せ 　全体で最もスコアの 　高くなるパスを 　見つける

31. 対応文節の組合せ  文節の対応付け ✔ 1 対 多　の文節対応  得られた対応文節を組み合わせて要約文を出力 

    どんな要約文を作るか？（目的） ✔ 内容がまとまっている方が良い ✔ ①　要約文は類似用例文の文節に似ている文節で構成さ れていること。 ✔ 読みやすい方が良い ✔ ②　要約文は文節間の繋がりが良く、日本語としての連接 が良いこと。

32.  ラティスを作る 類似用例文 類似用例文の文節 “a”に対応する入力の文節 <s> a c d </s>

    e b A L D O E Best path : <s> A L O D E </s> 対応文節の組合せ G

33.  どんな要約文を作るか？（目的） ✔ 内容がまとまっている方がよい ✔ ①　要約文は類似用例文の文節に似ている文節で構成さ れていること。  ノードスコア 対応文節の組合せ

34.  どんな要約文を作るか？（目的） ✔ 読みやすい方が良い ✔ ②　要約文は文節間の繋がりが良く、日本語としての連接 が良いこと。  エッジスコア 対応文節の組合せ

35.  どんな要約文を作るか？（目的） ✔ 読みやすい方が良い ✔ ②　要約文は文節間の繋がりが良く、日本語としての連接 が良いこと。  エッジスコア 対応文節の組合せ

    ノードniの文節が入力記事の何文目に含まれているか ノードni-1が3文目　⇒　ノードniが1文目　 のように文節が逆に戻る

36.  ラティスを作る 類似用例文 <s> a c d </s> e b

    A L D O E Best path : <s> A L O D E </s> 対応文節の組合せ １ １ １ １ ２ ２ ２ ２ ２ ２ ５ ５ ７ ７ １０ １０ １ １

37.  ノード + エッジで 最大となるパスを見つける  要約文の出力 対応文節の組合せ

38. 発表の流れ 1. 研究の背景 2. 自動要約の既存研究 3. 本研究の目的 4. 提案手法 5.

    評価実験及び考察 6. まとめ

39. 評価実験　~実験条件~  どのくらいの精度で要約文が作れるのか？ ✔ 自動評価 ✔ 人手による評価  テストデータ ✔

    要約事例データベース • 27036文の用例文（メール配信されているニュース速報の文） ✔ 入力するニュース記事（日経新聞98年版） • １から３文（短めの記事）で構成されているニュース記事100件 • ４から１０文（長めの記事）で構成されているニュース記事100件  比較手法 [Hori,02] ✔ 複数文の語を組み合わせて要約文を作成 • 重要度（tf*idf）＋ • 語の繋がり（2gram）　　を最大にするパスを見つける 未　現在、被験者3人で評価を実施しているところ。

40.  自動評価 ✔ 評価型Workshop[DUC;TSC]で用いられている評価尺度 ✔ BLEUスコア (Min:0, Max:1) • 正解文との類似度を測る（１~4

    gram までの適合率） ✔ ROUGE-N (Min:0, Max:1) • 正解文との類似度を測る • ROUGE-1（１gramの再現率） • ROUGE-2（2gramの再現率） ✔ 複数の正解文に対応した尺度 ✔ ３人それぞれがテストデータを読み、正解文を作成 評価実験　~実験条件~

41.  BLEUスコアによる評価結果  短めの入力、長めの入力 ✔ どちらに対しても本手法の方が良好な結果  テストデータの種類 比較手法 本手法

    0.299 0.598 0.131 0.424 １-３文：短めの入力データ ４-１０文：長めの入力データ 評価結果

42. 評価結果  BLEUスコアによる評価結果  短めの入力、長めの入力 ✔ どちらに対しても本手法の方が良好な結果  長めの記事を入力 ✔

    精度低下率が少ない テストデータの種類 比較手法 本手法 0.299 0.598 0.131 0.424 １-３文：短めの入力データ ４-１０文：長めの入力データ ５６％ ２９％

43. 評価結果  ROUGE-1、ROUGE-2の結果  短めの入力、長めの入力 ✔ どちらに対しても本手法の方が良好な結果 評価尺度 テストデータの種類 比較手法

    本手法 ROUGE-1 0.462 0.631 0.318 0.509 ROUGE-2 0.345 0.536 0.193 0.381 １-３文：短めの入力データ ４-１０文：長めの入力データ １-３文：短めの入力データ ４-１０文：長めの入力データ

44. 作成された要約文について  何文の情報を含んでいるか ✔ （何文の情報を１文に圧縮できているのか？） ✔ システム出力の要約文と入力記事との単語比較  テストデータ：１から３文で構成されている入力記事 

    テストデータ：４から１０文で構成されている入力記事 圧縮された文数 1 40 2 47 3 13 入力記事数(100件中) 圧縮された文数 1 20 2 27 3 21 4 17 5 12 6 2 7 1 入力記事数(100件中)

45.  何文の情報を含んでいるか ✔ （何文の情報を１文に圧縮できているのか？） ✔ システム出力の要約文と入力記事との単語比較  テストデータ：１から３文で構成されている入力記事  テストデータ：４から１０文で構成されている入力記事

    圧縮された文数 1 40 2 47 3 13 入力記事数(100件中) 圧縮された文数 1 20 2 27 3 21 4 17 5 12 6 2 7 1 入力記事数(100件中) 作成された要約文について 60%が2文以上から 作成された要約文 80%が2文以上から 作成された要約文

46.  何文の情報を含んでいるか ✔ （何文の情報を１文に圧縮できているのか？） ✔ システム出力の要約文と入力記事との単語比較  テストデータ：１から３文で構成されている入力記事  テストデータ：４から１０文で構成されている入力記事

    圧縮された文数 1 40 2 47 3 13 入力記事数(100件中) 圧縮された文数 1 20 2 27 3 21 4 17 5 12 6 2 7 1 入力記事数(100件中) 60%が2文以上から 作成された要約文 80%が2文以上から 作成された要約文 作成された要約文について 複数の文を１文に圧縮することができた

47. 出力した要約文の観察より  現在の手法 ✔ 類似用例文1文を検索、それを真似て要約文作成  1位の類似用例文だけが本当にいいのか？  まずは観察してみた ✔

    上位N位の類似用例文を検索 ✔ それぞれから要約文を作成 ✔ 観察により、1位以外の類似用例文に模倣利用して作った 要約文でもよいのはある

48.  BLEUスコアで比較 ✔ 類似用例文上位1件のみを使用した場合 ✔ 類似用例文上位10件を使用した場合 出力した要約文の観察より システム出力 1. A

    B C D E 2. A E Y S E 3. E Y H 4. 5. 6. 7. 8. 9. 10. 。 。 。 。 。 。 。 。 。 。 正解データ Ref.1 Ref.2 Ref.3

49.  BLEUスコアで比較 ✔ 類似用例文上位1件のみを使用した場合 ✔ 類似用例文上位10件を使用した場合 システム出力 1. A B

    C D E 2. A E Y S E 3. E Y H 4. 5. 6. 7. 8. 9. 10. 。 。 。 。 。 。 。 。 。 。 正解データ Ref.1 Ref.2 Ref.3 出力した要約文の観察より BLEUスコア ０．４６２

50.  BLEUスコアで比較 ✔ 類似用例文上位1件のみを使用した場合 ✔ 類似用例文上位10件を使用した場合 システム出力 1. A B

    C D E 2. A E Y S E 3. E Y H 4. 5. 6. 7. 8. 9. 10. 。 。 。 。 。 。 。 。 。 。 正解データ Ref.1 Ref.2 Ref.3 BLEUスコア ０．５４２ 出力した要約文の観察より … ０．４８２ ０．542 ０．523

51.  BLEUスコアで比較 ✔ 類似用例文上位1件のみを使用した場合 ✔ 類似用例文上位10件を使用した場合  上位10件まで用いた方が良い結果に。 ✔ 文を作成してから、

    ✔ その文がどれだけ良いのか（異なる尺度で測る） ✔ リランキング 出力した要約文の観察より テストデータの種類 0.598 0.807 1位 上位10位まで １-３文：短めの入力データ 未 Skip2gram, 2gram, 品詞2gramを使った尺度で実装中

52. 発表の流れ 1. 研究の背景 2. 自動要約の既存研究 3. 本研究の目的 4. 提案手法 5.

    評価実験及び考察 6. まとめ

53. 結論  人間が要約文を作成するときはいろいろな知識、経 験を生かしている  そのため重要度の設定は難しい  重要度の設定をせずに、要約事例を用例として使っ た要約手法を提案 

    結果  複数文の文節を組み合わせて１文へ要約することができ た  自動評価BLEU、ROUGEを行った結果、比較手法より優 れた結果が得られた

54.  発表おわり

55. BLEUスコア • BLEUスコアの式 システム出力の要約文のn-gram k番目の正解文のn-gram

56. ROUGEスコア • ROUGEスコアの式 k番目の正解文のn-gram システム出力の要約文のn-gram

57. 類似単語データベース • 相互情報量を用いた単語類似度 • （I, subj, have） ⇒　（私, は, 学生）　

    • 3つ組に対してMIを計算

58. 人手による評価結果 • 4段階評価:　１（Good）　＞　２　＞　３　＞　４（Bad） • 可読性の評価（すらすら読めるのか） • 内容適切性の評価（要約文）

59. 人手による評価結果 • 4段階評価:　１（Good）　＞　２　＞　３　＞　４（Bad） • 可読性の評価（すらすら読めるのか） • 内容適切性の評価（要約文）

60. 人手による評価結果 • 4段階評価:　１（Good）　＞　２　＞　３　＞　４（Bad） • 可読性の評価（すらすら読めるのか） • 内容適切性の評価（要約文）

61. 人手による評価結果 • 4段階評価:　１（Good）　＞　２　＞　３　＞　４（Bad） • 可読性の評価（すらすら読めるのか） • 内容適切性の評価（要約文）

62. 得られた要約文の例１ • 複数文を一文へ 複数文を一文へ • 三十日午後二時十分ごろ、剣淵町の国道４０号で、旭川市東旭 川町下兵村二二八、農業南部正さんの乗用車と、旭川市流通団 地二条二ノ四三、運転手原政運さんのトラックが正面衝突した。 乗用車の四人のうち、南部さんと妻の喜美子さん、士別市東山町 三〇二、無職池沢一郎さんの三人が頭を打つなどして死亡、旭

    川市東旭川北一条四ノ一ノ二八、無職真岩高子さんも左足の骨 を折る重傷を負った。原さんにけがはなかった。　 • イラク中部で２８日深夜、油送管が爆発し７４人が死亡 　 • 剣淵町の国道４０号で三十日午後二時十分ごろ、旭川市流通団 地二条二ノ四三、運転手原政運さんのトラックが正面衝突し南部 さんと妻の喜美子さん、士別市東山町三〇二、無職池沢一郎さ んの三人が死亡

63. 得られた要約文の例２ • 一文を一文へ 一文を一文へ • 欧州通貨統合が来年一月からスタートするのに伴い、十八銀行 は一月四日からユーロ建て旅行小切手の取り扱いを始める。取 扱券種は五十、百、二百ユーロの三種類で、当面、本店営業部 が販売窓口となる。販売状況を見て取扱店舗を増やす。 •

    富士通は移動通信事業を始める • 十八銀行はユーロ建て旅行小切手の取り扱いを始める