冨田一般化LRパーザを用いた情報抽出

概要

論文の詳細を見る
テキストから興味ある情報を抜き出す情報抽出の手法として,文字列の並びを認識するパターンマッチング処理が注目されている.パターンマッチング処理は構文解析に比べ一般的に処理時間が短く,全文の解析を必ずしも必要としない情報抽出に適している.これまでにARPAによる情報抽出コンテストMUCなどで,パターンマッチング処理を利用した情報抽出システムが開発されてきた。しかし,パターンマッチングの効率は,大量文書を処理する場合は重要であるにもかかわらず,ほとんど検討されていなかった.本論文では,スキップ機能を有する富田一般化LRパーザをパターンマッチングエンジンとして使用し,情報抽出のための効率的なパターンマッチング手法を検討する.まず,パーザヘの入力単位を形態素と文節で比較し,企業の業務提携に関する新聞記事を使用した実験から,処理精度と速度ともに文節単位の入力が優れていることを示す.次に,マッチングする対象とならない語をパーザヘ入力する前に取り除く不要語フィルタリング処理を提案する.実験により,文節単位の入力で不要語フィルタリングを使用する場合,形態素単位の入力で不要語フィルタリングを使用しない場合に比べ,処理速度が約23倍も向上することを示す.提案する手法により,冨田一般化LRパーザを用いた情報抽出のための効率的なパターンマッチング処理が実現できることを明らかにする.
一般社団法人情報処理学会の論文
1997-01-15

冨田一般化LRパーザを用いた情報抽出

スポンサーリンク

概要

著者

関連論文

スポンサーリンク