テキストコーパスからのトピック階層の抽出(自然言語)(<特集>コラボレーションアートとネットワークエンターテイメント)

概要

論文の詳細を見る
タームの共起性に基づく関連シソーラスは,コーパスから自動生成することができるという利点を持つ.しかし,情報検索システム内部の処理に向いたシソーラスであり,情報空間を人間が理解するという目的には必ずしも適していない.関連シソーラスを人間向きのシソーラスに高めるため,関連シソーラスからトピック階層とトピックの代表タームリストを抽出する方法を開発した.最初に,比較的頻度の高いタームをクラスタリングすることにより,包括的なトピックの集合を抽出する.次に,トピックの代表タームと関連が強いタームをクラスタリングすることにより,各トピックをより限定的なトピックに分割する.また,タームのトピック代表性の指標として新たに提案したタームグループ内累計相互情報量を用いて,トピックの代表タームを抽出する.これらの処理により,トピックを表すタームリストが階層的に配置されたシソーラスを生成する.日本語の新聞記事コーパスを用いた評価実験では,最上位のタームリストの89%,下位のタームリストの76%が有効なトピックを示唆し,代表タームの3分の2近くがトピックのコアタームであった.この結果,本方法が大規模コーパスの情報空間を可視化する効果的な手段であるとの結論を得た.また,プロトタイプの試用を通じて,シソーラス作成ツールおよび文書データベースのブラウジングツールとしての実際的な効果を確認した.
2003-02-15

テキストコーパスからのトピック階層の抽出(自然言語)(<特集>コラボレーションアートとネットワークエンターテイメント)

スポンサーリンク

概要

著者

関連論文

スポンサーリンク