2015年1月 文献紹介ゼミ

Transcript

1. 文献紹介ゼミ 自然言語処理研究室 Ｍ１ 宮西 由貴
2. 文献情報 • タイトル – Naïve Bayes Word Sense Induction • 著者 – Du Kook Choe – Engene Charniak • 発表学会 – EMNLP2013(p1433-1437)
3. 概要 • ナイーブベイズを利用した語義推定 – シンプルな手法の提案 • 名詞の語義推定にて特に良い結果 – F値であれば他の手法に全体的に勝利
4. 語義推定 (Word Sense Induction：WSI) • どういったタスクなのか？ – 平文中から対象語と同じ意味の語集合を探す – 語義というものは定義されていない crane chicken bulldozer
5. 語義推定 (Word Sense Induction：WSI) • 語義曖昧性解消(WSD)より優れている？ – WSIの方が新語や新語義に強い – ある特定の領域に使われる語にも強い – WSDは使用するリソースのボトルネックがある – 現在の精度WSD＞WSI
6. 関連研究 • Yarowsky(1995) – 半教師ありブートストラップアルゴリズムを提唱 – 2つの仮定も提唱 • One-Sense-per-Collocation • One-Sense-per-discource • 上記アルゴリズムでは不十分 – 新語に対応する際は人手での情報が必要
7. 提案したモデルについて • Yarowskyの仮説に沿って・・・ – One-Sense-per-document – 複数の語が同じ文書に出現→同じコンセプト • 文書はひとつのトピックを持つ – トピックを使って曖昧な語義を決定
8. ナイーブベイズを使ったモデル
9. モデルの拡張 • 語が遠い→単語の意味も遠い – 対象語と他の語の距離を考慮したシステム
10. 実験 • データ – ＳｅｍＥｖａｌ2010のＷＳＩタスクのものを使用 • ＳｅｍＥｖａｌ2010のＷＳＩタスク – 資源としてＮＬＰツール以外使用付加 • POS-Tagger • Parser • Lemmatizer など – パラメータの調整などはトレーニング中のみ可
11. 詳細な手法 • 文脈は50語とする – Bag-of-wordsを構築 • 文書中に複数回同じ語が出現した場合は・・・ – 語の遠さを測定 – (例)shiningと一番近いのは2番目のchip
12. 比較手法 • MFS – ベースライン – 一番頻度の高い語義を使用 • UoY – クラスタリングアルゴリズム – グラフを用いたもの(単語と共起頻度)
13. 比較手法 • Hermit – K-means法を改良したアルゴリズム – 階層的な集合のクラスタリングを行うもの • NMFlib – マトリックスを用いたクラスタリングアルゴリズム – 他の手法より新しいもの(2011)
14. 結果 • V-Measureで比較 – V-Measure:クラスタのクオリティを測定
15. 結果 • Paired F-scoreで比較
16. 結果 • Supervised Recallで比較
17. まとめ • ナイーブベイズを利用した語義推定 – シンプルな手法の提案 • 名詞の語義推定にて特に良い結果 – F値であれば他の手法に全体的に勝利