Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
自然言語処理の基礎 5章
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
Yuta
December 23, 2014
Education
390
0
Share
自然言語処理の基礎 5章
Yuta
December 23, 2014
More Decks by Yuta
See All by Yuta
20160422 文献紹介
sudo
0
180
NLP2016 報告
sudo
0
200
NLP2016 発表スライド
sudo
0
230
20160218 文献紹介
sudo
0
270
20150909 発表資料
sudo
0
150
20150820 文献紹介
sudo
0
190
20150708 文献紹介
sudo
0
160
20150610 文献紹介
sudo
0
200
20150512 文献紹介
sudo
0
190
Other Decks in Education
See All in Education
2026年度春学期 統計学 第4回 データを「分布」で見る (2026. 4. 30)
akiraasano
PRO
0
110
LinkedIn
matleenalaakso
0
4.1k
2026年度春学期 統計学 第5回 分布をまとめるー記述統計量(平均・分散など) (2026. 5. 7)
akiraasano
PRO
0
110
View Manipulation and Reduction - Lecture 9 - Information Visualisation (4019538FNR)
signer
PRO
1
2.6k
Data Physicalisation - Lecture 9 - Next Generation User Interfaces (4018166FNR)
signer
PRO
1
970
勝手にCULTIBASE で広げよう、探究の輪! - CULTIVAL 2026
hiroc_sk
1
180
0513
cbtlibrary
0
130
면접관 눈에 띄는 데이터 분석 포트폴리오 만드는 법 | 2026년 5월 세미나
datarian
0
170
We部コミュニティスライド2026-04-24
junhat6
0
160
モブ社員がモブエンジニアを名乗って得られたこと_20260413
masakiokuda
4
480
Referendum Costituzionale Giustizia
nostradalmine
0
140
Visualisation Techniques - Lecture 8 - Information Visualisation (4019538FNR)
signer
PRO
1
3k
Featured
See All Featured
Mozcon NYC 2025: Stop Losing SEO Traffic
samtorres
0
230
brightonSEO & MeasureFest 2025 - Christian Goodrich - Winning strategies for Black Friday CRO & PPC
cargoodrich
3
690
Making Projects Easy
brettharned
120
6.6k
We Are The Robots
honzajavorek
0
230
The World Runs on Bad Software
bkeepers
PRO
72
12k
Data-driven link building: lessons from a $708K investment (BrightonSEO talk)
szymonslowik
1
1.1k
Designing Powerful Visuals for Engaging Learning
tmiket
1
360
The innovator’s Mindset - Leading Through an Era of Exponential Change - McGill University 2025
jdejongh
PRO
1
170
How Fast Is Fast Enough? [PerfNow 2025]
tammyeverts
3
560
GitHub's CSS Performance
jonrohan
1033
470k
[RailsConf 2023] Rails as a piece of cake
palkan
59
6.6k
Leveraging Curiosity to Care for An Aging Population
cassininazir
1
240
Transcript
自然言語処理の基礎 5章 意味解析 B3 須戸悠太
意味解析とは 構文構造が与えられた文が対象となり、文中の 単語とその間の構文的関係によって構成 意味解析:意味的な妥当性を判断 ・意図的に異常な文を排除 ・単語間の意味的関係の同定
意味解析とは 例1:「リンゴを食べる」 → ◦ 例2:「石を食べる」 → 異常 知識を用いて、「リンゴ/石」と「食べる」の間に 対象格という意味的関係 構文解析の結果には曖昧性がある
意味解析とは 文中の単語間の関係:格 ・表層格(構文的なもの) ・深層格(意味的なもの) ・必須格(存在しなければならない格) ・任意格(存在しなくてもよい格) 表層格から対応する深層格を求める → 格文法
意味解析とは 深層格の種類 ・動作主格(動作を引き起こすもの) ・対象格(移動・変化する対象) ・目的格(変化における状態・結果) ・場所格() ・道具格(原因・反応の刺激) ・時間格()
意味解析とは 文中の名詞がどの動詞とどの深層格を埋める かを同定する問題 → 意味役割付与(SRL) 現在の意味解析は主に選好に分類される知識 を用いて行われている
格フレームを用いた意味解析 文中で共に出現する単語としてどのような単語 が望ましいかを記述 → 格フレーム 例:take 「撮る、食べる、乗る」の少なくとも3つの語義があり、 それぞれに対して格フレームが用意される
格フレームを用いた意味解析 ある格フレームが選択されたとき、そこに示され ている深層格が文中での意味的関係 入力文と格フレームの類似度は、格要素中の 単語間の類似度を用いて計算される 用例に対する語義を選択する → 用例に基づく
格フレームを用いた意味解析 例:p75の例文を解析 主格:いずれも”I” 目的格:”picture”, ”apple”, ”plane” シソーラスを仮定して格フレームの主格、目的 格それぞれの類似度を計算し、和をとる
コーパスを用いた語義曖昧性解消 タグ付コーパスを用いて単語の語義を特定する 構文関係にある/なしを問わず、周辺の単語は、 ある単語の意味を特定する際に役割を果たす
コーパスを用いた語義曖昧性解消 ある単語の語義を決定する場合を考える ある語義で用いられたときに、どのような単語と 共起しやすいかという情報をあらかじめ入手し、 その単語の情報を用いて周辺の単語を調べる ことで妥当と考えられる語義の選択が可能
コーパスを用いた語義曖昧性解消 結果的に × 2 =1 を最大化するをの語義として選択する
コーパスを用いた語義曖昧性解消 なお、 = 文脈中の の出現回数 が語義で用いられる回数 = 語義の出現回数 なので、語義タグ付コーパスを用いれば容易に 計算可能
コーパスを用いた語義曖昧性解消 が大きい単語は、単語が語義で用 いられたときに共起しやすい単語ということに この手法では、その語義で共起しやすい単語 が多く出現するような語義を選択 → ベイズ分類
最後に 形態素解析、構文解析は、開発された手法が ある程度実用に近い性能を達成し、フリーの解 析ツールも存在 一方で意味解析は、実用レベルに達しておらず、 フリーのツールも存在しない