古典漢文依存文法コーパスにもとづく係り受け構造の自動抽出

基于文言依存语法语料库的依存结构自动提取

基本信息

批准号：
20H04481
负责人：
安岡孝一
金额：
$ 11.15万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2023-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20H04481/
关键词：
言語処理古典漢文

项目摘要

本研究は、これまでわれわれがおこなってきた古典漢文の形態素解析および依存文法解析を、さらにもう一歩進めて、古典漢文の構文解析へとつなげることを目的とする。現在のところ、現代中国語に対しては、このような形態素解析・構文解析の研究がおこなわれているものの、古典漢文に対しては、われわれを除いてほとんど手つかずの状態である。本研究によって、古典漢文の係り受け構造を、単語と単語の間、節と節の間、さらには文と文の間にまで自動抽出できるようになれば、白文のままで放置されている大量の古典漢文テキストを、コンピュータを用いて自然言語処理できる可能性が、さらに進むと考えられる。本研究では、古典漢文に対し形態素解析と依存文法解析をおこなった上で、単語と単語の間の係り受け関係、節と節の間の係り受け関係、文と文の間の係り受け関係を、自動抽出する手法の構築をおこなう。この手法を構築するために、各レベル（単語・節・文）での係り受け関係を記述するための文法と、その文法にもとづくTreebankの構築を並行しておこない、単語・節・文の順に、係り受け関係を自動抽出する手法を完成する予定である。本年度(2021年度)は、古典中国語の言語モデルであるRoBERTa-Classical-Chinese (baseモデルおよびlargeモデル)をファインチューニングする形で、白文から文と節を切り出す手法について研究をおこない、それらの係り受け解析に挑戦した。具体的には、系列ラベリングにより文の切れ目を抽出し、同時に品詞付与と係り受け解析をおこなうことで、節レベルでの係り受け解析までは、かなりの精度でおこなえるようになった。また、これまでの成果を論文『古典中国語（漢文）Universal Dependenciesとその応用』として、情報処理学会論文誌2022年2月号に掲載した。

这项研究旨在对我们迄今为止一直在进行的中文文本进行形态学和依赖的语法分析，并导致对古典中文文本的句法分析。目前，尽管已经针对现代中国人进行了这种形态学和句法分析，但除我们以外，古典中国人几乎没有受到影响。如果这项研究允许在单词，从句甚至句子之间自动提取古典中文文本的结构，那么这将进一步提高许多可以使用计算机处理白色句子的无人看管的古典中文文本的可能性。在这项研究中，对古典文本进行了形态分析和依赖的语法分析，然后是一种自动提取单词和单词之间的关系，条款之间的关系以及句子之间的关系的方法。要构建此方法，我们计划完成一种方法，该方法通过基于语法（并行构造Treebank）来自动提取与每个级别（单词，条款和句子）相关的关系，并自动根据单词，条款和句子的顺序自动提取彼此相关的关系。今年（2021年），我们使用经典中文模型Roberta-Classical-Chinese（基本模型和大型模型）的微调进行了微调，并尝试分析这些员工。具体而言，通过提取句子突破序列标记，言论和表演部分分析，可以执行相当多的准确性，直到在截面级别进行言论的一部分分析为止。此外，本文的结果已发表在2022年2月的《信息处理科学学会杂志》上，如“普遍依赖性及其应用”的论文。