意味構造と統語構造の統合学習を用いた文書作成支援アプリケーションの開発

点击翻译按钮获取中文摘要

本研究では，言語形態論のうち，言語コーパスに基づく統語構造(Syntactic structure)学習モデルと意味構造(Semantic structure)学習モデルを統合した総合的形態論に基づく言語モデルを構築し，第二言語習得者のための言語習得支援に活用することを目的とする．第1の課題であるBEA2019 Shared Taskの研究結果に基づく，統語構造を獲得する学習法の改良検討については，前年度は，Kanneko et al.のBert-gecモデルを評価検討したが，今年度は，Omelianchuk et alのGECToRを評価検討し，とくに，人工的に合成された大規模な訓練データの品質を改善するために，訓練文を従来の人工的なエラーを挿入する前の原文ではなくGECモデルの予測文がより適切な誤り訂正文であるという仮説を立てて，人工合成訓練データを再構築する方法を提案した．数値実験の結果，提案した再構築された人工合成訓練データによる学習が，元の人工合成訓練データによる学習よりも優れていることが示され，提案手法による人工学習訓練データのみを用いた学習は，第二言語学習者の誤り文章から生成された訓練データと従来の人工合成訓練データを併用した学習と同等の効果が得られることが示された．第2の課題である入力文章から意味構造を獲得する学習モデルについて，意味構造として抽象的なAMR(Abstract Meaning Representation)の学習モデルをさらに検討し，AMRの言語コーパスであるLDC2020T02を用いて，GECToRによる学習モデルを構築し，統合構造と意味構造の学習モデルの統合の実現性を実験等で確認した．