文献

J-GLOBAL ID：202002233528277617   整理番号：20A1701971

事前学習モデルBERTによる法令用語の校正

Japanese Legal Term Correction using BERT Pretrained Model

著者 (7件)： 山腰貴大 (名古屋大 大学院情報学研究科) ,  駒水孝裕 (名古屋大 大学院情報学研究科) ,  駒水孝裕 (名古屋大 情報基盤セ) ,  小川泰弘 (名古屋大 大学院情報学研究科) ,  小川泰弘 (名古屋大 情報基盤セ) ,  外山勝彦 (名古屋大 大学院情報学研究科) ,  外山勝彦 (名古屋大 情報基盤セ)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 34th  ページ： ROMBUNNO.4P3-OS-8-05 (WEB ONLY)  発行年： 2020年 
JST資料番号： U1701A  ISSN： 2758-7347  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 法令文書には,「者」「物」「もの」や「規定」「規程」のように互いに類似している法令用語が出現する.このような法令用語は,法制執務(法令の起草・制定・改廃など法令文書の作成・管理に関する業務)の慣習や規則によって使用法とともに定義されている.法令において,これらの法令用語はそれに従い,厳密に書き分ける必要がある.契約書や約款などの広義の法令文書においても,誤解を防ぐために,法令に準じて正しく書き分けることが望ましい.そこで,本研究では,与えられた法令文から法令用語を検出し,誤用と思われるものに対してその修正案を出力することにより,法令文書の作成を支援する手法を提案する.本手法では,このタスクを選択肢付き穴埋め問題とみなし,分類器により解決する.分類器は,一般文によって事前学習したBERTモデルから構築する.このとき,(1)法令文によるドメイン適応,(2)訓練データのアンダーサンプリング,(3)分類器の統一の三つの工夫を施すことにより性能向上を図る.実験の結果,ランダムフォレストやニューラル言語モデルによる分類器よりも本手法の方が高い性能を発揮することを明らかにした.(著者抄録)

シソーラス用語： *学習モデル ,  専門用語 ,  文書 ,  機械学習 ,  *言語モデル ,  校正 ,  自然言語処理 ,  計算機アルゴリズム ,  学習機械 ,  ニューラルネットワーク ,  尤度関数 ,  実証実験
準シソーラス用語： BERT ,  スコア関数 ,  ランダムフォレスト ,  穴埋め問題 ,  法令文書 ,  *法令用語

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (6件)： 事前学習 ,  モデル ,  BERT ,  法令 ,  用語 ,  校正