文献

J-GLOBAL ID：201902213566804099   整理番号：19A1533899

誰の物語があるのか?ニュース記事からの説明の自動抽出【JST・京大機械翻訳】

Whose story is it anyway? Automatic extraction of accounts from news articles

著者 (3件)： Zhang Hao (School of Computer Science, University of Manchester, UK) ,  Boons Frank (Alliance Mancheter Business School, University of Manchester, UK) ,  Batista-Navarro Riza (School of Computer Science, University of Manchester, UK)
資料名： Information Processing & Management  (Information Processing & Management)
巻： 56  号： 5  ページ： 1837-1848  発行年： 2019年 
JST資料番号： E0362B  ISSN： 0306-4573  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 物語は,社会的プロセスへの洞察を提供するストーリーから構成されている。より効率的な方法における物語の分析を容易にするために,自然言語処理(NLP)法を用いて,テキスト源,例えば新聞記事からの情報を自動的に抽出した。しかし,自動的な物語抽出に関する既存の研究は,narの入れ子特性を無視している。本研究では,物語が異なるアクターにより与えられる複数の説明を含む可能性を論じた。それぞれの個別の説明は,信念に対する洞察を提供し,アクターの行動を支えている。著者らは,NLP法から構成される自動抽出のためのパイプラインを提示した。1)実体認識,2)イベント抽出,3)属性抽出。エンティティ認識のための機械学習ベースのモデルを,シーケンスラベリングのための最先端のニューラルネットワークアーキテクチャに基づいて訓練した。イベント抽出のために,意味的役割ラベリングツール,意味フレームのFrameNetリポジトリ,およびイベント名詞の辞書の使用を組み合わせたハイブリッドアプローチを開発した。一方,属性抽出は,依存性パーサとLevinの動詞クラスの助けを借りて扱われた。これらの方法の開発と評価を容易にするために,著者らは,社会経済現象に関連する20以上のイベントタイプをカバーする新しい注釈方式に従って,エンティティ,イベントおよび属性を手動でマークアップしたニュース記事の新しいコーパスを構築した。評価結果により,意味的役割ラベリングツールによってのみ支えられるベースライン法と比較して,著者らのイベント抽出アプローチは,12.22~14.20パーセントポイント(1つのデータセット上で92.60%に達する)によってリコールを最適化することを示した。一方,属性抽出におけるLevinの動詞クラスの使用は,Fスコアに関して最適性能を得て,7.64~11.96パーセントポイントによってベースライン方法を実行した。著者らの提案したアプローチを,産業再生事例に焦点を合わせたニュース記事に適用した。これは特定のアクターに起因するイベントの発生を容易にした。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自然言語処理 ,  コーパス ,  *動詞 ,  アノテーション ,  リポジトリ ,  最適化 ,  名詞 ,  機械学習
準シソーラス用語： パーザ ,  エンティティ ,  新聞記事 ,  テキスト ,  *自動抽出 ,  *ニュース記事 ,  *物語 , 【Automatic Indexing@JST】

著者キーワード (5件)： 物語分析 ,  名前付きエンティティ認識 ,  イベント抽出 ,  属性抽出 ,  コーパス注釈

分類 (2件)： 自然語処理  (JE06000L) ,  情報加工一般  (AC05010A)

タイトルに関連する用語 (4件)： 物語 ,  ニュース記事 ,  説明 ,  自動抽出