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
2025年度春学期 統計学 第12回 分布の平均を推測する ー 区間推定 (2025. 6. 26)
akiraasano
PRO
0
160
学びは趣味の延長線
ohmori_yusuke
0
110
ARアプリを活用した防災まち歩きデータ作成ハンズオン
nro2daisuke
0
180
質のよいアウトプットをできるようになるために~「読む・聞く、まとめる、言葉にする」を読んで~
amarelo_n24
0
210
20250611_なんでもCopilot1年続いたぞ~
ponponmikankan
0
170
『会社を知ってもらう』から『安心して活躍してもらう』までの プロセスとフロー
sasakendayo
0
260
社外コミュニティと「学び」を考える
alchemy1115
2
180
Портфолио - Шынар Ауелбекова
shynar
0
110
生成AIとの上手な付き合い方【公開版】/ How to Get Along Well with Generative AI (Public Version)
handlename
0
630
CHARMS-HP-Banner
weltraumreisende
0
770
Pythonパッケージ管理 [uv] 完全入門
mickey_kubo
23
24k
(キラキラ)人事教育担当のつらみ~教育担当として知っておくポイント~
masakiokuda
0
130
Featured
See All Featured
Into the Great Unknown - MozCon
thekraken
40
2k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
51
5.6k
GitHub's CSS Performance
jonrohan
1032
460k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
1.6k
Why Our Code Smells
bkeepers
PRO
339
57k
Unsuck your backbone
ammeep
671
58k
Designing Experiences People Love
moore
142
24k
Being A Developer After 40
akosma
90
590k
BBQ
matthewcrist
89
9.8k
Statistics for Hackers
jakevdp
799
220k
Speed Design
sergeychernyshev
32
1.1k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
50k
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