専門用語における新語の寿命を予測するモデルの構築

建立模型来预测技术术语中新词的寿命

• 批准号: 15700216
• 负责人: 辻 慶太
• 金额: $ 0.9万
• 依托单位: National Institute of Informatics
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2003
• 资助国家: 日本
• 起止时间: 2003 至 2004
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15700216/
• 关键词: 新語; 専門用語; 寿命; 時系列; 自動抽出; 用語抽出; 経年変化; コーパス

本研究は,専門分野に現れた新語の中から,その分野で重要な語として一定の寿命を享受する語を,自動的に特定する手法・モデルの開発を目指すものである。そのような目的のもと,昨年度は英語学術雑誌の本文データを整備したが,本年度はそれらデータに基づく調査結果を集計した。まず専門分野において重要な語として4つのタイプを考えた。即ち,(1)よく用いられ頻度が高い語,(2)文献のトピックになりやすい語,(3)その分野の中心的な概念を表す語から構成される語,(4)特定の文脈に限って現れる語,の4つである。分析ではまず先述の本文データを,発表期間の観点から新旧2つに分け,新旧が重なる期間に初出した語を新語とみなした。そして後半期間において上記4つの特徴を持つ語を,前半期間のデータから予測可能とする手法の開発に取り組んだ。4つの特徴を数値化する尺度としてはそれぞれ,頻度,TFIDF,専門用語抽出研究におけるNakagawaの尺度,同じくHisamitsuの尺度,を用いた。その結果,頻度が高くなる複合語は,前半期間において語構成要素同士の共起度が,初出時にかけて徐々に増加すること,前半期間におけるHisamitsuの値が有意に高いことが判明した。(2)のTFIDFが後半期間に高くなる語は,(1)とも重なるが,前半期間におけるHisamitsuの値が高く,特定の文脈で出現する傾向が強いことが判明した。(3)のNakagawaの値が後半期間に高くなる語は,前半期間における値も既に高いこと,また(4)のHisamitsuの値が後半期間に高くなる語は,前半期間におけるNakagawaの値が有意に低いこと,即ち,初出時は結合力(生産性)の低い語構成要素で作られていることが判明した。複合語の語構成要素に注目すると,高頻度のヘッドと,頻度を増している修飾語という組合せの語が,後半期間において頻度を増すことなどが明らかとなった。

This study is aimed at finding out new words in the field of division, important words in the field of division, enjoyment of certain life, automatic specific methods of development and guidance. The purpose of the survey is to collect the results of the survey in English academic journals last year. It's important to keep in mind that there's a difference between the two. That is to say,(1) the frequency of use is high,(2) the literature is high,(3) the concept of the center of the field is high,(4) the specific context is high, and (4) the context is low. The analysis shows that there are two points between the old and the new in the period of development, and the new and the old in the period of development. In the second half of the period, the characteristics of the four elements are recorded, and in the first half of the period, the characteristics of the four elements are predicted. 4. The scale of numerical value of characteristics is different from that of frequency,TFIDF, Nakagawa scale, Hisamitsu scale, etc. As a result, the frequency of compound language is high, and the common degree of constituent elements of Hisamitsu in the first half of the period is high. (2)TFIDF is high in the second half of the period, and Hisamitsu is high in the first half of the period. (3)Nakagawa's value is high in the second half of the period, high in the first half of the period, and high in the second half of the period. Nakagawa's value is intentionally low in the first half of the period. In the second half of the year, the frequency of modifiers and combinations increased.

项目成果

辻慶太, 芳鐘冬樹: "専門分野において重要となる新語の特定に向けた基礎研究"言語処理学会第10回年次大会発表論文集. 189-192 (2004)

Keita Tsuji、Fuyuki Hokane：“识别专业领域重要新词的基础研究”语言处理协会第十届年会记录 189-192 (2004)。

辻慶太, 芳鐘冬樹: "専門用語として普及しそうな語の自動抽出"第51回日本図書館情報学会研究大会発表要綱. 105-108 (2003)

Keita Tsuji、Fuyuki Hokane：“自动提取可能作为技术术语流行的单词”第 51 届日本图书馆和信息社会研究会议的演示摘要 105-108 (2003)。