大規模日本語コーパスに基づく確率的オントロジーの構築

点击翻译按钮获取中文摘要

本研究の目的は、大規模言語コーパスに基づく係り受け頻度データを用いて、確率的オントロジーを構築した。本研究で構築する、確率的オントロジーとは、概念によって形成されるカテゴリーの階層構造と、概念のカテゴリーへの帰属確率(概念が与えられたときのカテゴリーの条件付確率)を付与したものである。新聞10年分(1993年〜2002年)の形容詞-名詞、名詞-"が"-動詞、名詞-"に"-動詞、名詞-"を"-動詞の係り受け頻度データを用いて、名詞に関する確率的オントロジーを構築した。まず、毎日新聞コーパス10年分(1993年〜2002年)から、形容詞-名詞、名詞-動詞に関する係り受け頻度データを、CaboCha(工藤、松本2002)を用いて抽出した。次に、抽出した係り受け頻度データに対し、潜在クラスが介在し、単語A(形容詞または動詞)と単語N(名詞)が共起するという仮定に基づく言語統計解析(Kameya、Sato 2005)を用いて潜在クラスの推定を行った。各名詞をP(名詞|潜在クラス)という確率で表現し、これらの言語統計解析結果に対して、ソフトクラスタリングモデルであるRoseモデル(1990)を用いることで、各階層におけるカテゴリーのセントロイドを推定することで、名詞の確率的階層構造を作成した。また、下位カテゴリーのセントロイドの上位カテゴリーへの帰属確率を計算することで、上位カテゴリーへの下位カテゴリーの帰属確率を求めた。さらに、心理学実験を行うことで、構築した確率的階層構造の妥当性の検証を行った。