文献

J-GLOBAL ID：201702247474742146   整理番号：17A0690438

係り受け構造とスーパータグの同時予測によるA^*CCG解析

著者 (3件)： 吉川将司 (奈良先端科学技術大学院大) ,  能地宏 (奈良先端科学技術大学院大) ,  松本裕治 (奈良先端科学技術大学院大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2017  号： SLP-116  ページ： Vol.2017-SLP-116,No.11,1-9 (WEB ONLY)  発行年： 2017年05月08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： われわれは吉川ら[26]において,CCG木の確率を終端のカテゴリ列とその係り受け構造の確率の積とする確率モデルを提案した。これにより,木の導出を明示的にモデル化でき,また木の確率は事前に計算可能な要素の積に分解できることから高速なA^*探索による構文解析ができる。この手法では,CCG木の係り受け構造をルールで取り出すが,吉川ら[26]で用いている変換ルールは学習データ作成が困難など問題点が多い。本研究では,より単純な変換ルールを採用することでこの問題に対処する。また,半教師あり学習のTri-trainingにより,ラベルなしデータを利用してさらに精度向上が可能か実験を行った。単純な変換により英語,日本語CCG解析で精度の改善が見られ,日本語では最高精度を得た。英語の解析ではTri-trainingを加えることでさらに向上し最高精度を示した。(著者抄録)

シソーラス用語： *構文分析 ,  文法 ,  *確率モデル ,  *ニューラルネットワーク ,  日本語 ,  英語 ,  実験 ,  標識 ,  精度
準シソーラス用語： CCG【組合せカテゴリ文法】 ,  CCG木【木構造】 ,  LSTM【ニューラルネットワーク】 ,  タグ【標識】 ,  係り受け ,  構文解析 ,  評価実験

分類 (1件)： 自然語処理  (JE06000L)

引用文献 (27件)：

• Abadi, M. et al.: TensorFlow: Large-Scale Machine Learning on Heterogeneous Systems (2015).
• Bangalore, S. and Joshi, A. K.: Supertagging: An Approach to Almost Parsing, Computational linguistics, Vol. 25, No. 2, pp. 237-265 (1999).
• Clark, S. and R. Curran, J.: Wide-Coverage Efficient Statistical Parsing with CCG and Log-Linear Models, Computational Linguistics, Volume 33, Number 4, December 2007 (2007).
• Clevert, D., Unterthiner, T. and Hochreiter, S.: Fast and Accurate Deep Network Learning by Exponential Linear Units (ELUs), CoRR, Vol. abs/1511.07289 (2015).
• dos Santos, C. N. and Zadrozny, B.: Learning Characterlevel Representations for Part-of-Speech Tagging, ICML (2014).

タイトルに関連する用語 (4件)： 係り受け ,  タグ ,  予測 ,  解析