大規模テキスト処理のためのスーパータグを用いた高精度かつ高速な深い構文解析

点击翻译按钮获取中文摘要

2年目にあたる平成24年度の研究活動は順調に進展して来た。今年度は海外の研究者とも密な連携を行い、二つの方面で研究を進展させた。まず、分布意味論(distributional semantics)の分野において、句構造に対する高効率かつ高精度の意味予測手法を開発した。従来のPLS回帰では高次元の意味表現データについては大きな計算コストをかける必要があるのに対して、リッジ回帰と一般化交差検定を用いることで訓練過程を単純化し、精度を向上させつつ6倍程度の高速化に成功した。本手法は、3単語以上の長い句構造の意味予測タスクに対して、最先端の手法と比べて遜色ない成果を上げることが分かっている。更にこのような分布意味論を深い構文情報と組み合わせることで、文全体の意味を予測する手法も実装した。これらの研究成果は、国際会議(The 10th International Conference on Computational Semantics)において2報の論文にまとめ発表した。また論文誌(Natural Language Engineering)にも投稿を予定している。一方、半教師あり学習とグローバルな推論を組み合わせた手法について研究を行った。ローカルな学習とグローバルな推論を組み合わせた手法は、自然言語処理における複雑な問題に対して有効であることが分かっている。この手法を用いて、新聞記事における事象とその時間表現を対象とし、各事象の時間的な順序関係を推定した。ラベル付きデータの数は限られているため、意味役割付与の手法を用いてラベルなしデータに対しても事象および時間表現を抽出し、半教師あり学習とグローバルな推論を組み合わせることで、推定精度(F値)を44.71%から48.29%まで向上させることに成功した。今後、この手法をsupertaggingタスクに応用し、その成果を今年度の国際会議(EMNLP)に投稿する予定である。