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
Yuta
December 23, 2014
Education
0
360
自然言語処理の基礎 5章
Yuta
December 23, 2014
Tweet
Share
More Decks by Yuta
See All by Yuta
20160422 文献紹介
sudo
0
170
NLP2016 報告
sudo
0
190
NLP2016 発表スライド
sudo
0
220
20160218 文献紹介
sudo
0
260
20150909 発表資料
sudo
0
140
20150820 文献紹介
sudo
0
190
20150708 文献紹介
sudo
0
160
20150610 文献紹介
sudo
0
190
20150512 文献紹介
sudo
0
180
Other Decks in Education
See All in Education
20250910_エンジニアの成長は自覚するところから_サポーターズ勉強会
ippei0923
0
290
AI for Learning
fonylew
0
200
20250807_がんばらないコミュニティ運営
ponponmikankan
0
190
20250625_なんでもCopilot 一年の振り返り
ponponmikankan
0
390
Técnicas y Tecnología para la Investigación Neurocientífica en el Neuromanagement
jvpcubias
0
170
EVOLUCIÓN DE LAS NEUROCIENCIAS EN LOS CONTEXTOS ORGANIZACIONALES
jvpcubias
0
180
Презентация "Знаю Россию"
spilsart
0
270
Online Privacy
takahitosakamoto
1
120
Software
irocho
0
490
自分だけの、誰も想像できないキャリアの育て方 〜偶然から始めるキャリアプラン〜 / Career planning starting by luckly v2
vtryo
1
220
みんなのコード 2024年度活動報告書/ 2025年度活動計画書
codeforeveryone
0
350
Transición del Management al Neuromanagement
jvpcubias
0
240
Featured
See All Featured
A better future with KSS
kneath
239
18k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
620
The Pragmatic Product Professional
lauravandoore
36
6.9k
Site-Speed That Sticks
csswizardry
12
900
Product Roadmaps are Hard
iamctodd
PRO
54
11k
BBQ
matthewcrist
89
9.8k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
657
61k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.5k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
46
7.7k
Writing Fast Ruby
sferik
629
62k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
1.6k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.2k
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