文献紹介_9_コーパスに基づく動詞の多義解消

長岡技術科学大学 B4 三上侑城
文献紹介 2015年12月24日
コーパスに基づく動詞の
多義解消
自然言語処理研究室
1

View Slide

出典
コーパスに基づく動詞の多義解消
福本文代, 辻井潤一
自然言語処理 Vol. 4 (1997)
No. 2 P21-39
2

View Slide

概要
言語処理における問題の一つに、言語
に関する様々な曖昧性の問題がある。
動詞の語義情報を利用し、文中に含ま
れる多義語の曖昧性を解消する。
本手法では71.1%の正解率が得られた。
3

View Slide

情報の抽出
意味的に近い動詞は同じ名詞と共起し
て出現する。
s1,s1’ においてtakeとbuyはstakeと
共起して現れ、ほぼ同じ意味をもつ。
4

View Slide

情報の抽出
s1,s2両方に表れるtakeは多義語であ
り、動詞buy, spendと共起して表れる
名詞stake, timeと特徴付けができる。
多義語の動詞を含む文において、意味
を特徴づける名詞があれば、動詞の意
味を同定することができる。
5

View Slide

仮想動詞
多義語の意味を特徴づける名詞の集合
を抽出する。
多義語に対し、一つ一つの意味に対応
させた要素(仮想動詞ベクトル)に分解し、
クラスタを生成。
6

View Slide

仮想動詞
7

View Slide

クラスタリング手法
手法として、overlappingクラスタリング
アルゴリズムを使用した。
手法として例えば、takeがbuyとspend
の意味を持つかどうかを判断するために、
{take1, buy}と{take2,spend}の偏
差を比較して決定する。
8

View Slide

相互情報量
9

View Slide

相互情報量
クラスタリングの結果から得られたこのテー
ブルをpvnテーブルと呼ぶ。
複数の集合に属する名詞は、相互情報
量が一番大きい値の仮想動詞とする。
10

View Slide

多義語の解消
多義語の後方５字以内に出現する名
詞がpvnテーブルに存在するときに、その
仮想動詞の意味とする。
２つ以上存在する場合は、相互情報量
が一番高いものをその意味とする。
11

View Slide

多義語の解消
名詞がpvnテーブルに存在しない場合は、
その名詞と各仮想動詞を以下の式で計
算し、最大になったものの意味とする。
Mu:相互情報量 , Dis:偏差
12

View Slide

実験
コーパスはタグ付けされたWall Street
Journal(182,992文)を使用した。
そこから動詞と名詞の組を5,940,193
組(異なり組:2,743,974)を取得した。
13

View Slide

実験
異なり組:2,743,974に対して、相互情
報量を計算し、共起頻度の閾値が５、
相互情報量の閾値が３以上である動
詞と名詞、動詞と副詞の組を抽出した。
結果、名詞が6768組、副詞が1200組
を得た。
14

View Slide

実験
実験にはその中から、14種類の多義語
を用い、テスト文として、各多義語に対し
てランダムに100文、合計1,400文を抽
出した。
この中で、人間が一意に決定できないも
のは除き、1,226文を対象に実験を行っ
た。
15

View Slide

実験結果
16

View Slide

実験結果
17

View Slide

実験結果
18
pvnテーブルにある方の正解は、総
数606文の内、539文であり、正解
率は88.9%に達している。

View Slide

実験(他手法との比較)
既存の手法であった、文脈ベクトルを用
いた名詞の多義解消手法を動詞に適
用した結果と比較した。
文脈サイズ(対象語の前後何語を文脈
としたか)には5語と10語を用いた。
19

View Slide

実験結果
20

View Slide

まとめ
コーパスから抽出した動詞の語義情報を
利用し、曖昧性を解消する手法を提案。
14種類の多義語動詞1226文に対し、
71.1%の正解率が得られた。
pvnテーブルにあるもののみの場合では
88.9%の正解率が得られた。
21

View Slide

ご視聴ありがとうございました
22

View Slide

MIKAMI-YUKI