分かり易さ向上のためのテキストコンテンツ変換に関する研究

文本内容转换以提高可理解性的研究

• 批准号: 16016215
• 负责人: 中川 裕志
• 金额: $ 5.57万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 2004
• 资助国家: 日本
• 起止时间: 2004 至 2005
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-16016215/
• 关键词: 分かり易さ; WWW; 情報検索; 言い換え; 情報抽出; 自然言語処理; カタカナ; 異表記; 携帯端末; 検索エンジン; 用例抽出; 多言語; コーパス; テキスト

本年度の研究では,特定領域研究初年度から続けて収集しているWeb新聞記事と携帯端末向け新聞記事の対応付けコーパスを対象にし,携帯端末向け新聞記事で頻繁に使われる短縮された簡潔な表現をWeb新聞記事から生成するための言い換えパターンの抽出の研究を進展させた.Step:1 携帯文の文末表現(2形態素以内で意味のとれる表現)の候補集合の作成Step:2 Step1の候補集合の表現を文末に含む携帯文とそれに対応するWeb文集合を抽出Step:3 Step2で作成した各Web文集合において,形態素解析した結果を文末からの形態素列マッチングによって、言い換えパターンを抽出した。Step:4 Step3の結果を形態素列sのスコア:W(s)として次の式を用いた.W(s)=BackBranch(s)×頻度(s)×log(長さ(s)-1)BackBranch(s)はsの直ぐ左に接続する形態素の種類数,長さ(s)はsを構成する形態素数である.この結果、上位200位程度の順位までの表現に対する言い換えでスコアW(s)が第1位のものは,70%程度の正解率、上位3位までの言い換えでは50%強の正解率の平均である.昨年の結果では,サ変名詞の上位10位までの言い換えは90%に近い正解率であり,100位までみると80%強の正解率であった.また,700位程度までは50%の正解率であるが,それ以降,正解率は漸減する.この結果,我々が使用した3年間にわたって収集した88333文対のデータで機械的に取り出せ,スクリーニングにかかる人手が小さい言い換え候補は,大雑把に言って1000種類程度の文末表現に対応するものと考えられる.なお、これ以外にもカタカナ異表記の自動抽出、Webからの用例検索システム、図書抄録の縮約方式、XML文書への情報ハイディングなどの研究を行い、成果を得た。

This year の research で は, specific field of research at the beginning of the annual か ら 続 け て 収 set し て い る Web news chronicle と with 帯 end to け news chronicle の 応 seaborne pay け コ ー パ ス を like に seaborne し, carrying 帯 end to け news chronicle で に frequently make わ れ る shortening さ れ た concise な performance を Web news chronicle か ら generated す る た め い の words in え パ タ ー ン の spare の research Investigate を progress さ せ た. Step: 1 with 帯 の performance at the end of the article (2 form a reputation within で mean の と れ る) の alternate collection の done Step: 2 Step1 の alternate collection を の performance at the end of the article contains に む with 帯 article と そ れ に 応 seaborne す る Web corpus and を take Step: 3 Step2 で made し た each Web corpus and に お い て, morpheme analytic し を た results at the end of the article か ら の morpheme column マ ッ チ ン グ に よ っ て い, words in え パ タ ー ン を spare し た. Step:4 Step3 の results を morpheme column s の ス コ ア : W (s) と し の type を て times with い た. W (s) = BackBranch (s) * log frequency (s) (long さ (s) - 1) BackBranch (s) は s の ぐ left に up 続 す る morpheme の species number, long さ (s) は s を constitute す る primes で form あ る. こ の results, the sequence of the upper 200 degree の ま で の performance に す seaborne い る words in え で ス コ ア W (s) 1 が の も の は, positive の solution rate 70%, upper three ま で い の words in え で は 50% average rate of strong positive の solution の で あ る. Yesterday in の results で は, サ - noun の upper 10 ま で い の words in え は に nearly 90% い positive solution rate で あ り, 100 ま で み る と 80% strong positive の solution rate で あ っ た. ま た, 700 degree ま で は 50% positive の solution rate で あ る が, そ れ, rate of positive solution は degression す る. こ の as a result, I 々 が use し た 3 years に わ た っ て 収 Set し た 88333 article の seaborne デ ー タ で mechanical に take り せ, ス ク リ ー ニ ン グ に か か る が small hands さ い い words in え alternate は, big 雑 に said っ て performance at the end of the 1000 species degree の に 応 seaborne す る も の と exam え ら れ る. な お, こ れ outside に も カ タ カ ナ different mark whatever の automatic extraction, Web か ら の cases 検 cable シ ス テ ム, The methods of document transcription and reduction, XML documents へ <s:1> intelligence ハ ディ ディ <e:1> グな <s:1> research を fields た, achievements を た.

项目成果

Abstract of Abstract : A New Summarizing Method based on Document Frequency and Clause Length

摘要中的摘要:一种基于文档频率和子句长度的摘要方法

• 发表时间: 2004
• 期刊: The 8th World Multi-Conference on Systemics, Cybernetics and Informatics 15
• 作者: Koichi Yamada;Hisashi Komine;Hiroshi Kinukawa;Hiroshi Nakagawa
• 通讯作者: Hiroshi Nakagawa

Specification Retrieval - How to Find Attribute-Value Information on the Web

规范检索 - 如何在 Web 上查找属性值信息

• 发表时间: 2005
• 期刊: Lecture Notes in Computer Science(Springer) 3248
• 作者: Minoru Yoshida;Hiroshi Nakagawa
• 通讯作者: Hiroshi Nakagawa

Terminal Device Oriented Comparable Corpora and its Alignment -- Towards Extracting Paraphrasing Patterns --

面向终端设备的可比语料库及其对齐——面向抽取释义模式——

• 发表时间: 2004
• 期刊: Proceedings of LREC2004
• 作者: Hiroshi Nakagawa;Hideaka Masuda;Dai Sato
• 通讯作者: Dai Sato

Webと携帯端末向けの新聞記事の対応コーパスからの文末言い換え抽出

从网络和移动设备的相应报纸文章语料库中提取句尾释义

• 发表时间: 2005
• 期刊: 自然言語処理 12(4)
• 作者: 岩越守孝;増田英孝;中川裕志
• 通讯作者: 中川裕志

Chinese Term Extraction from Web Pages Based on Compound word Productivity

基于复合词生产率的网页中文术语抽取

• 发表时间: 2004
• 期刊: ACL2004. Third SIGHAN Workshop on Chinese Language Processing
• 作者: Hiroshi Nakagawa;Hiroyuki Kojima;Akira Maeda
• 通讯作者: Akira Maeda