文献

J-GLOBAL ID：200902265208764328   整理番号：09A0792605

HMMとテキスト分類器による対話の段落分割

A Dialogue Segmentation Method via HMM and a Text Classifier

著者 (6件)： 但馬康宏 (東京農工大 工) ,  北出大蔵 (トランス・コスモス) ,  中野未知子 (トランス・コスモス) ,  中林智 (金融エンジニアリング・グループ) ,  藤本浩司 (テンソル・コンサルティング) ,  小谷善行 (東京農工大 工)
資料名： 情報処理学会論文誌トランザクション(CD-ROM)  (情報処理学会論文誌 Computer Vision and Applications(CD-ROM))
巻： 2008  号： 2  ページ： VOL.2.NO.2,70-79  発行年： 2009年04月15日 
JST資料番号： L7379A  ISSN： 1882-7772  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： テキストを段落に分割する問題に対して,本論文ではシナリオに基づいた分割を行う手法を提案する。すなわち分割対象とするテキストは,あるシナリオに基づいたテキストであると仮定し,テキスト内の段落はシナリオに記述された段落のいずれかに分類されるもとのする。本手法では,正確に段落分割された学習データから,1つの文が属する段落を推定するナイーブベイズモデルおよび段落番号の列を出力とするHMMの2つを用いて学習データをモデル化する。分割対象テキストは,1文ごとにナイーブベイズで段落番号を推定され,その段落番号の列に対してHMMの最適な状態遷移系列を求めることにより段落分割を行う。従来,HMMによる段落分割では,単語を出力記号とするHMMを構成することでテキストのモデル化を行うのが一般的であるが,本手法では,段落番号を出力記号とするHMMを利用する点に特徴がある。これにより,特に対話文などの間投詞が多く特徴的な単語の少ないテキストデータに対しても高い分割性能を得ることができる。評価実験として,実際の対話,およびウェブのニュース記事に対して段落分割を行い,本手法の有効性を確かめた。(著者抄録)

シソーラス用語： *隠れMarkovモデル ,  *分類装置 ,  文書 ,  *自然言語処理 ,  *文章 ,  シナリオ ,  分割法 ,  機械学習 ,  アルゴリズム ,  状態遷移図 ,  評価試験 ,  会話 ,  Web【情報システム】 ,  ニュース ,  *Bayes推定
準シソーラス用語： *HMM ,  分類器 ,  *テキスト分類器 ,  *段落 ,  *Naive Bayes ,  間投詞

分類 (3件)： システム・制御理論一般  (IA02010H) ,  自然語処理  (JE06000L) ,  情報加工一般  (AC05010A)

引用文献 (6件)：

• 越仲孝文, 奥村明俊, 磯谷亮輔: HMMの変分ベイズ学習によるテキストセグメンテーション及びその映像インデキシングへの応用, 信学論, Vol. J89-D, No.9, pp. 2113-2122(2006)
• 今井 亨, R. Schwartz, 小林彰夫, 安藤彰男: 話題混合モデルによる放送ニュースからの話題抽出, 信学論, Vol. J81-D-II, No.9, pp. 1955-1964(1998)
• Hearst, M. A.: Texttiling: Segmentaing text into multi-paragraph subtopic passages, Computaional Linguistics, Vol.23, pp. 33-64(1997)
• 別所克人: クラスタ内変動最小基準に基づくテキストセグメンテーション, 情報処理学会論文誌, Vol.47, No.3, pp. 957-967(2006)
• Beeferman, D., Berger, A. and Lafferty, J.: Statistical models for text segmentation, Machine Learning, Vol.34, Nos.1-3, pp. 177-210(1999)

タイトルに関連する用語 (4件)： HMM ,  分類器 ,  対話 ,  段落