研究課題/領域番号 |
17K00026
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
研究分野 |
情報学基礎理論
|
研究機関 | 法政大学 (2018-2022) 国立情報学研究所 (2017) |
研究代表者 |
金沢 誠 法政大学, 理工学部, 教授 (20261886)
|
研究期間 (年度) |
2017-04-01 – 2023-03-31
|
研究課題ステータス |
完了 (2022年度)
|
配分額 *注記 |
2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2018年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2017年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
キーワード | 文脈自由文法 / 文法推論 / 正例と所属性質問からの極限同定 / 分布学習 / 拡張正規閉包 / 拡張正規表現 / 有限文脈特性 / 所属性質問 / 正規木言語 / 正規演算 / 閉包性 / 等価性判定 / 情報基礎 / 形式言語 |
研究成果の概要 |
文脈自由言語の分布学習アルゴリズムでは,文法の非終端記号に対して,所属性質問によって判定できるような文字列集合を割り当てる。従来の研究では,有限個の所属性質問の論理積によって表せるような文字列集合を割り当てていた。これに対して2つの一般化が可能であることを示した。1つ目の一般化では,論理積のかわりに任意のブール結合を許す。2つ目の一般化では,ブール演算に加えて正規演算も許し,文法の各非終端記号を所属性質問に対応する原子式を含む一種の拡張正規表現で表す。これらの一般化により,学習の対象とできる文脈自由言語のクラスが飛躍的に広がった。
|
研究成果の学術的意義や社会的意義 |
いまだに謎に包まれている人間の母語習得のメカニズムの解明のためには,研究の指針となるような学習の数理モデルの確立が欠かせない。この観点から,母語習得のモデルとして一定の説得力を持つ学習の枠組みのもとで,どれだけ広い文脈自由言語の部分クラスが学習可能になるのかを調べることは,非常に重要な課題である。本研究は,正例と所属性質問からの極限同定の枠組みのもとで,従来の分布学習のアルゴリズムで目標言語とすることができる文脈自由言語のクラスを飛躍的に拡大することに成功した。
|