20150326 発表資料

Transcript

1. 情報抽出（文献紹介） 自然言語処理研究室 B3 須戸悠太 1
2. 文献 • 言語処理学会第21回年次大会より • ブートストラップ法を用いたTwitterからの不具合文抽 出 ▫ 栗原光平,嶋田和孝（九工大） 2
3. ブートストラップ法とは • 半教師あり学習の1つ • タグ付け作業を軽減するための一般的なフレー ムワーク 3
4. ブートストラップ法とは 4 シード Japan プール パターン 集めたいものの事例を人手 でシードとして少数入力 ① ② ③
5. ブートストラップ法とは • ①：シードとコーパス中でよく共起する文脈をパターン として獲得 • ②：パターンとコーパス中でよく共起するものをプール に追加 • ③：プールの中でスコアの高いものをシードとして選択 5
6. ブートストラップ法の利点 • 人手の削減 ▫ タグ付けをする際、一つ一つ人手でつけるのではなく、大 量の候補をある程度の制度で集めることができる • ラベルなしデータの利用 ▫ ラベル付きデータだけでなく、ラベルなしデータも用いて 分類等のタスクを行う事ができる 6
7. 目標 • 特定の製品の不具合について述べた文（不具合文）を Twitter上から自動で抽出 ▫ 例：「なんで！？スマホの電源がつかない…」 • 不具合文抽出のために、製品の異常や不具合の症状を表 す表現（不具合表現）をブートストラップ的に自動獲得 することでより多様な不具合文抽出を目指す ▫ 例：電源がつかない 7
8. 処理の流れ • 初めに，不具合表現を人手で与え，これをシードとして 1 回目の不具合文抽出を行う • 抽出された不具合文から新たな不具合表現を獲得し，そ れらについて信頼度のスコアリング • 信頼度の高い不具合表現を選出し，それらを次のステッ プの入力（シード）として与え，再び不具合文を抽出 8
9. 処理の流れ 9 シード 不具合文 不具合表現候補 不具合表現 Tweetコーパス 不具合表現獲得 信頼度スコアリング
10. 不具合表現の獲得 • 1. 特定の副詞の出現 ▫ 例：「勝手に」「突然」 • 2.動詞の未然形と否定の助動詞の連続 ▫ 例：「動かない」「起動しない」 • 3.ネガティブな単語の出現 ▫ 例：「悪い」「破れる」 10
11. 信頼度のスコアリング・不具合文の抽出 • 獲得した不具合表現について信頼度のスコアリングを行 い，より不具合らしさが強いと思われるものだけを次の 入力として利用する • ノイズ除去→人手でルール設定 • 不具合表現の後ろに「言っていた」「聞いた」などの伝 聞に関する言い回し→抽出しない 11
12. 実験 • 対象製品：携帯電話・スマートフォン • データセット：ツイート10 万件 • 初期シード ▫ 壊れる, おかしい, 異常, 故障, 破損, フリーズ, バグ • ブートストラップによる反復を5 回行い，その結果に対 し人手でアノテーションし適合率によって評価 12
13. 結果 13
14. 結果 • 1→2回目 ▫ 適合率を維持したまま抽出数が大幅に増加 • 2→3回目 ▫ 抽出数の増加は少なかったものの，ノイズの増大がなく， 高い適合率を維持したまま反復を繰り返すことに成功 • 獲得出来た不具合表現 ▫ 勝手に電源がつく，急に電源が落ちる，電源が落ちない， 画面がつかない，ボタンが押せない 14
15. 抽出できた不具合文 • 「充電切れるわケータイ熱くなっちゃって充電できない わ勝手に電源切れるわ最悪です」 • 「てか携帯画面真っ暗になって電池パック抜いて電源入 れようとしても電源つかないんだけど」 • 「壊れた」などの直接的に不具合を示す語は出現してい ないが，赤字部分を不具合表現として認識することで抽 出に成功している 15
16. 参考文献 • パターン認識と機械学習 上 p22 ▫ C.M.ビショップ 著 ▫ Springer (2007年) • 株式会社ブレインパッド_テクニカルナレッジ共有会#10 「ブート ストラップ法による自然言語処理」白井尊昭 ▫ https://speakerdeck.com/brainpad/zhu-shi-hui-she- bureinpatudo-tekunikarunaretuzigong-you-hui-number-10- butosutoratupufa-niyoruzi-ran-yan-yu-chu-li-bai-jing-zun-zhao 16