权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

自然言語テキストからの語彙的知識獲得および獲得結果を利用した効率的文解析法

利用词汇知识获取和自然语言文本获取结果的高效句子分析方法

基本信息

批准号：
07780326
负责人：
宇津呂武仁
金额：
$ 0.64万
依托单位：
Nara Institute of Science and Technology
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

项目摘要

本研究では、自然言語テキストから語彙知識を獲得し、さらに獲得結果を実際の言語処理において効率的に利用し、処理精度を向上させる手法について研究を行なった。本年度の研究項目は次の3点である。1.実用レベルの規模のコーパスから、実用レベルの規模の数の動詞について語彙知識を獲得する。2.動詞の語彙知識獲得において、対訳テキストを利用して動詞の多義性を類別する。3.自然言語テキストから統語知識を抽出する。まず、第1点については、これまでに確立してきた動詞の語彙知識獲得手法により、日本電子化辞書の大量の構文解析済み日本語テキストから動詞の語彙知識を獲得する実験を行なった。この実験の結果、動詞の語彙知識獲得の際に多義動詞の多義性を類別しながら語彙知識を獲得するというメカニズムが、実用的規模で有効に機能することが確認できた。また、第2点については、これまでに確立してきた、動詞の語彙知識獲得ならびに多義動詞の多義性類別の半自動的手法の自動化を実現した。この手法の特徴は、単言語文においては類別することが難しい自然言語の意味的曖昧性を、英語への翻訳結果における意味分類を参照することによって類別できる点である。本研究においては、この利点を損なうことなく、手法の自動化を行なうことができた。さらに、第3点は、獲得結果を利用した効率的文解析を実現するための基礎研究として行なったもので、効率的文解析で用いる統語知識を自然言語テキストデータから抽出することを行なった。特に、構文解析済みテキストから文脈自由文法の形式の文法規則を抽出する手法を開発した。この手法においては、適用範囲が広くしかも解析精度の高い文法を抽出するために、非終端記号の統計的類似度を用いて文法を一般化するというメカニズムを実現した。

This study is based on the results of the natural language acquisition of vocabulary knowledge and the acquisition of natural language knowledge. The efficiency of processing is improved, and the accuracy of processing is improved. The method of processing is researched and performed. This year's research project has three points. 1.実用レベルのscaleのコーパスから、実用レベルのscaleのnumberのverbについてvocabulary knowledgeをgainする. 2. Acquisition of verb vocabulary knowledge, において, 対訳テキストを, utilization of verb のambiguity, category する. 3. Natural language テキストからUnified language knowledge をExtraction する.まず、The first point については、これまでにEstablishment of してきたverbのvocabulary knowledge acquisition techniques により、Japan Electronics Chemical dictionaryのa large number of composition analysis済み日本语テキストからverbのvocabulary knowledgeをgetする実験を行なった.この実験の results, verb のlexical knowledge acquisition の国际に polysemy verb のambiguity を category しながら lexicon knowledge The scale and effectiveness of the scale and effective functions obtained by the recognition system have been confirmed.また, point 2 については, これまでにestablished してきた, verb のvocabulary knowledge acquisition ならびにpolysemy verb のpolysemy category のsemi-automatic technique のautomatic を実成した.このtechniqueの特徴は、単语文においてはcategoryすることがdifficultyしいThe ambiguity of the meaning of natural languageを, English への訳 Results における means classification をreference することによってcategory できるPoint である. This research is based on the advantages and disadvantages of this study, and the techniques are automated and automated.さらに、Point 3は、A text analysis of the efficiency of obtaining results をUtilization を実 Present するためのBasic research として行なったもので、Efficient text analysis using いるsystem language knowledge をnatural language テキストデータからdraw out することを行なった. Characteristics, compositional analysis: context, free grammar, form, grammar rules, extraction, technique, and openness.この法においては、Applicable range 囲が広くしかもanalytical precision の高いgrammatical extraction するために、 The statistical similarity of non-terminal tokens is generalized using the いてgrammar and is now available.