文献
J-GLOBAL ID:201602209591159740   整理番号:16A0274659

分散表現に基づく選択選好モデルの文脈化

著者 (5件):
資料名:
巻: 2016  号: NL-225  ページ: VOL.2016-NL-225,NO.1 (WEB ONLY)  発行年: 2016年01月15日 
JST資料番号: U0451A  資料種別: 会議録 (C)
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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
述語の選択選好性のモデル化は,述語項構造解析・省略解析を始めとした意味解析において重要な基盤技術の一つである。これまでの研究では,「述語の選択選好性は項となる名詞の意味的な性質にのみ依拠する」という仮定して選好性を学習してきた(e.g.,manはarrestの目的語になりうる)。省略解析などの談話解析への応用を考えると,談話内での名詞の言及のされ方まで含めて選好性を計算できることが望ましい(e.g.,悪事を犯したmanはarrestの目的語になりうるが,善良なmanはなりにくい)。そこで本研究では,ニューラルネットワークに基づく選択選好モデル[Van de Cruys2014]を拡張し,名詞の意味的な性質に加え,談話内での言及のされ方を分散表現で表現することにより,名詞の出現文脈を考慮した述語の選択選好モデルを提案する。評価実験では,代名詞照応解析への応用を見据え,代名詞に対する先行詞候補のランキング問題に基づく評価を行い,名詞の出現文脈を用いることの有効性を確認した。(著者抄録)
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
自然語処理 
引用文献 (27件):
  • Bergsma, S.: Discriminative Learning of Selectional Preference from Unlabeled Text, EMNLP, pp. 59-68 (online), available from (http://www.aclweb.org/anthology/D08-1007) (2008).
  • Rahman, A. and Ng, V.: Resolving Complex Cases of Definite Pronouns: The Winograd Schema Challenge, Proceedings of EMNLP-CoNLL, pp. 777-789 (2012).
  • Peng, H., Khashabi, D. and Roth, D.: Solving Hard Coreference Problems, NAACL, pp. 809-819 (2015).
  • Resnik, P.: Selectional constraints: An information-theoretic model and its computational realization, Cognition, Vol. 61, No. 1, pp. 127-159 (1996).
  • Van de Cruys, T.: A neural network approach to selectional preference acquisition, Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 26-35 (2014).
もっと見る
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る