動画談話構造解析とそれを用いた要約生成

点击翻译按钮获取中文摘要

昨年度，イベント間の意味関係を修辞構造木として表現する動画談話構造解析がタスクとして定義可能であることを小規模なデータセットにおける2名のアノテータ間の一致に基づき示した．本年度は，データを拡充し，ニューラルネットワークに基づくベースライン解析器を構築しその結果を分析した．その結果(1)イベントに与えられた正解キャプションからイベントのベクトル表現を得た場合，その解析性能は人間に匹敵する，(２)しかし，自動生成キャプションからイベントのベクトル表現を得た場合には解析性能が大きく劣る，(3)動画から直接ベクトル表現を得た場合には，正解キャプションを用いた場合よりも性能は劣るものの自動キャプションを用いた場合よりも優れていることがわかった．さらに動画から直接ベクトル表現を得るためのエンコーダをあらかじめキャプショニングタスクで事前学習しておくと性能向上が得られることがわかり，今後研究を発展させていく上で重要な知見を得た．また，テキスト修辞構造解析に関して，性能向上のためのデータ拡張法の研究にも取り組んだ．ニューラルネットに基づく解析器の場合，大量のラベルなしデータを自動的に解析した結果を擬似正解データとして解析器の事前学習することで性能が向上することが知られている．しかし，ラベルなしデータを十分に得ることができないテキスト領域ではこの手法は適用できない．これを解決するため，少量のラベルつきデータから逆翻訳を用いて大量の擬似正解データを生成する手法を考案し，その有効性を確認した．