2017 Fiscal Year Annual Research Report
Research on syntactic parsing with multiword expressions
| Project/Area Number |
15K16053
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
進藤 裕之 奈良先端科学技術大学院大学, 情報科学研究科, 助教 (20734784)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 複単語表現 / 構文解析 / アノテーション |
|---|
| Outline of Annual Research Achievements |
平成２９年度は，複単語表現のコーパス構築と，複単語表現の解析手法の拡張に取り組んだ．
まず，コーパス構築に関しては，動詞となる複単語表現（"take～off"など）の辞書収集とコーパスアノテーションを行った．動詞となる複単語表現は，非連続なパターンとなることが多いため，単語の品詞と依存構造を利用して半自動的にアノテーションを行うことに成功した．その結果，本研究の成果は，従来研究と比較して，機械学習の訓練データとして用いることができる大規模な複単語表現コーパスとなっている．また，構築した動詞複単語コーパスは，Web上で公開しており，誰でも無償で利用することができる．
次に，複単語表現の解析手法に関しては，従来のように複単語表現のみを解析するのではなく，構文解析と複単語表現を同時に解析する手法を考案し，その性能を評価した．具体的には，依存構造，複単語表現，固有表現の情報を１つの木構造として整合性が取れるように，それぞれの文のアノテーションを統合を行った．そして，この木構造のアノテーションデータを機械学習の訓練データとして用いて，文から木構造を予測する構文解析器のモデルを構築した．
評価実験の結果，複単語表現のみを単独で解析するよりも，同時に解析することにより，複単語表現，依存構造，固有表現の解析性能がそれぞれ向上することを実証した．
これまでに，頻度の高い複単語表現，特に動詞と名詞の複単語表現に関しては，大規模なコーパス構築および解析手法の提案・評価が完了した．この一連の手法を他の品詞にも適用してコーパスの網羅性を高めることは可能であり，今後の課題とする．
|
