日本語化学文章からのNERの検討

从日本化学文本中检查 NER

• 批准号: 22K12730
• 负责人: 中山 伸一
• 金额: $ 2.66万
• 依托单位: University of Tsukuba
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12730/
• 关键词: 化学物質名; NER; 化学知識; 日本語; 特許公報; タグ付け; コーパス

本研究は、化学知識を表現する化学ファクトデータベースのためのデータを論文や特許等の日本語文章から自動抽出する方法について検討することを目的としている。そのためには、日本語の化学文章に含まれる多様なデータにタグ付けを行なったコーパスを作成する必要がある。本年度は、日本語の化学文章のコーパス作成の第一段階として、千件ほどの公開特許公報に出現する化学物質名についてタグ付け作業を開始した。まず、これまでの研究でも利用していた2016年7月の特許公開公報（約12,000件）について、「C化学；冶金」の分類が付与されたものを選択し、文章の文字数が膨大なものを除いて約1,200件を抽出した。この公開特許公報を対象に、化学物質名の部分にタグ付けする作業をクラウドワークスを使って実施している。作業者は化学を専攻したワーカ約20名に作業内容を含む依頼文を送り、返事のあった5名について一件の特許公開公報を送付してタグ付けを行なってもらい、タグ付け作業を行える能力があることを確認した。タグ付け作業の進捗をコントロールできるよう、全体を６０件ほどからなる２０のブロックに分け、今年度は５ブロックの作業を行わせた。次年度の前半あたりにこの作業は完成する予定である。これまで、特許公開公報に化学物質名のタグ付けを行なったコーパスは、50件程度からなるものであり、1,000件の特許公開広報からなるコーパスが完成すると化学物質名のNER研究において非常に有用となる。上記と並行して、化学物質名以外についてどのようなファクトデータが抽出できるかの検討を行なった。その結果、物性と合成法を化学物質名と組み合わせて抽出することを考えた。これらの実際のタグ付けについては、次年度後半に実施する予定である。

This study aims to express chemical knowledge in Japanese articles such as papers and licenses. The Japanese language chemical article contains a variety of information. This year, the first stage of the preparation of chemical articles in Japanese, the publication of thousands of articles, the publication of chemical names, the publication of chemical names, the publication of chemical names, In July 2016, the Patent Publication (about 12,000 pieces) was published, and the classification of "C Chemistry; Metallurgy" was selected. The number of articles was expanded, and about 1,200 pieces were extracted. This publication is intended for use in connection with the identification of chemical substances. About 20 jobs in the field of chemistry were sent to 5 employees, and the ability to do so was confirmed. All 60 pieces of work are in progress, 20 pieces of work are in progress, and 5 pieces of work are in progress this year. The first half of the year is scheduled to be completed. The chemical substance name is very useful in the research of the chemical substance name. In addition to the chemical name, the chemical name can be extracted from the sample. The results, properties and synthesis methods of chemical substances were studied. This is the first half of the year.