| 研究概要 |
商品やサービスなど,指定されたトピックに関連する個人の経験の記述をWeb文書集合から収集し,述語項構造に基づく表現形式に構造化するとともに,事態タイプ(ポジティブ/ネガティブな出来事・状態,入手・利用等の行為など)や事実性情報(当該事態の時間情報とそれに対する話者態度)といった意味情報を解析する経験マイニングを開発した.21年度の具体的成果は次の4点である.
(1) 事実性解析を発展させた拡張モダリティ解析の設計とモデル化 タスクの仕様を全面的に再検討し,タグ体系の再設計,タグ付きコーパスの拡大,およびFactorial CRFを利用した解析精度の改善に取り組んだ.
(2) 事態間関係知識の自動獲得に関する実験 類似経験の認識に必須となる事態表現間の関係知識をコーパスから自動獲得する手法を開発し,実験により有効性を確認した.従来の文内共起パターンを利用する手法では,事態間でどの項が共有されるかの知識を獲得することが難しい.そこで事態間で共有される名詞(アンカー)を用いて項共有情報を獲得し,文内共起パターンによる事態間関係と組み合わせることで項を必要とする事態間関係を獲得する.このとき2種類の異なるアンカーを用いることで,精度を保ったまま再現率を向上できることを確認した.
(3) 公開デモサイト「みんなの経験」のユーザ評価 本特定領域で開発された7つのサーチシステムについて共通のユーザ評価を実施し,その枠組みを利用して2008年12月に公開したデモサイト「みんなの経験」についても評価を行った.
(4) 民間への技術移転 大手Webポータルサイト「@nifty」を運営するニフティ株式会社と連携し,同社のサービス業務に経験マイニングの技術を導入する準備を進めた.
|
