コーパスからの動詞句型慣用表現の自動抽出

从语料库中自动提取动词短语惯用表达

• 批准号: 07780302
• 负责人: 新納 浩幸
• 金额: $ 0.51万
• 依托单位: Ibaraki University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1995
• 资助国家: 日本
• 起止时间: 1995 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-07780302/
• 关键词: コーパス; 慣用表現; 定型表現; 知識獲得

本研究の目的は「あごで使う」や「名をあげる」といった動詞句型慣用表現をコーパスから自動抽出する手法を提案することであった.本年度は上記問題に対して2つの手法を考案し,それぞれを学会誌に発表した。1つはコーパスから得られた共起データを使って,名詞と動詞の共起の強さを測る新たな手法を提案し,その測定方法によって慣用表現を抽出した.具体的には「NをVする」というタイプの表現をコーパスから収集し,Vを固定した場合に,共起するNの頻度分布から「NをVする」の共起の強さ(Type1)を測る.また同時にNを固定した場合に,共起するVの頻度分布から「NをVする」の共起の強さ(Type2)を測る.この動詞固定の共起の強さ(Type1)と名詞固定の共起の強さ(Type2)の両者の基準各々から抽出した慣用表現は重複がほとんどなく,さらにそれぞれの基準による抽出は,従来の相互情報量による抽出と同程度の抽出力がある.つまりそれぞれの基準による抽出を加え合わせることで,従来手法よりも広い範囲の慣用表現が抽出できる.もう1つは,慣用表現の類義語への置き換え不可能性を利用した手法である.まず上記と同じようにコーパスから「NをVする」というタイプの表現を収集し,次にVを固定した場合に,Vと共起するNの集合の中で,類似関係を持たない名詞N'を選び,「N'をVとする」という表現を慣用表現として抽出する手法である.類義語の判定には分類語彙表を利用した.この手法では正解率が15%程度だが,再現率が70%弱と比較的高くなることを示した.どちらの手法も慣用表現の緩い特徴を利用しているだけなので,抽出に限界があることが明らかになった.改良としては上記手法を統合して慣用表現かどうかを判断するような手法が有効だと思われる.またどちらの手法も共起データを利用しているが,語義まで考慮した共起データでないと避けられない誤りが多く,語義まで考慮して共起データを作成することも大きな改良になる.これらの点が今後の課題である.

The purpose of this study is to propose a method of automatic extraction. This year, the two methods of solving the above problems were examined, and the two methods were reported by the Institute. 1. A new method for measuring the common origin of nouns and verbs is proposed, and a method for measuring the common origin of nouns and verbs is extracted. Specific "N" V "and" V "in the middle of the performance of the" N "V" fixed in the case, the frequency distribution of the "N" V "and the" N "V" strong (Type1) to measure. When N is fixed at the same time, the frequency distribution of the total V is measured by the total strength (Type2) of N. The verb is fixed and the common origin is strong (Type1) and the noun is fixed and the common origin is strong (Type2).つまりそれぞれの基准による抽出を加え合わせることで,従来手法よりも広い范囲の惯用表现が抽出できる. 1, idiomatic expression of the same meaning of the word In the case of V, the expression of N is similar to that of N. In the case of V, the expression of N is similar. The use of word lists for classification of semantic terms. The correct solution rate of this technique is 15%, and the reproduction rate is 70%. The characteristics of slow motion in the performance of the technique are used to extract the boundary. The method of improving the memory is to judge the habit. In addition, the method of "common origin" is used to avoid errors, and the semantic consideration is used to improve the method of "common origin".これらの点が今后の课题である.

项目成果

新納浩幸,井左原均: "片方向の共起性による述語型定型表現の自動抽出" 言語処理学会. 2. 73-86 (1995)

Hiroyuki Niino、Hitoshi Isahara：“使用单向共现自动提取谓词类型固定表达式”，日本语言处理学会 2. 73-86 (1995)。

新納浩幸,井左原均: "語義の特異性を利用した慣用表現の自動抽出" 情報処理学会論文誌. 36-2. 1845-1854 (1995)

Hiroyuki Niino、Hitoshi Isahara：“利用词义的特殊性自动提取惯用表达”，《日本信息处理学会汇刊》1845-1854 年（1995 年）。