2022 Fiscal Year Annual Research Report
語彙学習のための大規模 Data-Driven Learning システム開発
| Project/Area Number |
21H03564
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
荒瀬 由紀 大阪大学, 大学院情報科学研究科, 准教授 (00747165)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
内田 諭 九州大学, 言語文化研究院, 准教授 (20589254)
梶原 智之 愛媛大学, 理工学研究科(工学系), 助教 (70824960)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Keywords | Data-Driven Learning / テキスト平易化 / 言い換え生成 / 英文難易度推定 / CEFR |
|---|
| Outline of Annual Research Achievements |
本研究では語彙学習に対する Data-Driven Learning (DDL) を実現し、英語教員や学生がWebブラウザから自由に利用できる学習プラットフォームを構築する。DDLを語彙学習に用いるには、学習項目を含む文を適切な難易度で多量に観察し、段階的に難易度の高い文を学習することが効果的である。しかしこの条件を満たす英文はWeb上にもごく僅かしか存在せず、また英文の難易度判定の指標も非自明である。そこで本研究では、Common European Framework of Reference for Languages（CEFR）に準拠した英文の難易度指標を策定し、難易度を調整する言い換えを自動的に行うことで、様々な難易度の用例を大規模に獲得する。
2021年度に約2万文の英文に対しCEFRレベルを付与したコーパス（CEFR-SP）を構築したが、当該年度はその詳細な分析を実施し、各CEFRレベルの言語的特性を明らかにした。さらにCEFR-SPコーパスについて、異なる難易度の言い換え文を作文するクラウドソーシングを実施し、パラレルコーパスの作成に着手した。
CEFR-SPコーパスを用いて高精度な英文難易度推定モデルを構築、評価実験を実施した成果を論文としてまとめた。当論文は自然言語処理における最重要国際会議の一つであるthe Conference on Empirical Methods in Natural Language Processing (EMNLP) に採択され、発表済みである。さらに、既存のテキスト平易化コーパスを用いて強化学習による英文難易度変換モデルを構築、評価実験を実施した成果を論文としてまとめ、国際会議である the Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the International Joint Conference on Natural Language Processing（AACL-IJCNLP）にて発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
2021年度に約2万文の英文に対しCEFRレベルを付与したCEFR-SPコーパスを構築したが、当該年度はその詳細な分析を実施した。文長のような基礎的な統計量、構文木の深さや単語の品詞分布などの文法的特性、単語の文字列長やCEFRレベルなどの語彙的特性という、文書の難易度推定における代表的な指標を計測した。そして各CEFRレベルの文を特徴づける指標の特定および隣接レベルの識別に有効な指標を特定した。さらに各CEFRレベルにおける典型的な文の抽出と分析を行った。本成果は国際ジャーナルに投稿中である。
CEFR-SPコーパスについて、異なる難易度の言い換え文を作文するクラウドソーシングを実施し、パラレルコーパスの作成に着手した。2023年度はこのパラレルコーパスの拡充に引き続き取り組む。
またCEFR-SPコーパスを用いて高精度な英文難易度推定モデルを構築、評価実験を実施した成果を論文としてまとめた。当論文は自然言語処理における最重要国際会議の一つであるthe Conference on Empirical Methods in Natural Language Processing (EMNLP) に採択され、発表済みである。さらに、既存のテキスト平易化コーパスを用いて強化学習による英文難易度変換モデルを構築、評価実験を実施した成果を論文としてまとめ、the Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the International Joint Conference on Natural Language Processing（AACL-IJCNLP）にて発表した。
|
| Strategy for Future Research Activity |
本研究は語彙学習のために様々な難易度の用例を潤沢に提供する大規模DDLシステムを開発する。研究目的を達成するため、(i) 英文難易度付きパラレルコーパスの構築、(ii) 難易度調整言い換えモデルの開発、の二つの研究課題に取り組む。(i) では、Common European Framework of Reference for Languages (CEFR) に準拠した難易度を付与したパラレルコーパスを構築し、英文言い換えモデルの構築に活用できるよう整備する。(ii) では、オーセンティックな英文を自動的に言い換えるモデルを構築し、scaffolding を可能とする様々な難易度の用例を獲得する。
2023年度は以下の課題に取り組む計画である。
(i) 英文難易度付きパラレルコーパス構築
2022年度には、それまでに構築した約2万文のCEFR難易度付き英文に対し、言い換え文を作文しCEFRレベルを付与することで、難易度付きパラレルコーパスを構築した。2023年度はこのコーパスをさらに拡張し、約4万文対のパラレルコーパス構築を目指す。
(ii) 難易度調整言い換えモデルの開発
難易度調整言い換えモデルの構築には、ある難易度の英文を別の難易度の英文に言い換えた文対を収集したパラレルコーパスが必要である。しかし大規模なパラレルコーパス構築は非常にコストが高い。そこでこれまでに構築した言い換え生成モデルと難易度自動推定モデルを用いて、疑似訓練データを自動構築する。本疑似データを用いた言語生成モデルの追加訓練、さらに少量のパラレルコーパスによる転移学習により、少量のデータセットで高品質な難易度別言い換え生成を実現する。
|
| Remarks |
構築した英文難易度付きコーパス（CEFR-SP)を学術利用のため公開した。
|
