日本語新聞記事からの固有名詞情報抽出

概要

論文の詳細を見る
電子化されたテキストが容易に入手できるようになり、近年はむしろ大量のテキスト情報が氾濫していると言ってもよい。そこで大量のテキストから重要な情報を検索し、抽出する技術が求められている。とくに新聞記事は内容がポピュラーで、最近はCD-ROMで市販されたりWWWで公開されたりするようになり、検索・抽出技術の応用が期待されている。テキストからの重要情報抽出として、新聞記事からの固有名詞の抽出技術を検討した。固有名詞は、新聞記事において重要な5W1H情報の要素となる。例えば、Who情報に人名・組織名が、Where情報に地名がなり得る。そこで固有名詞を人名・組織名・地名の3種類に分類して抽出することにした。固有名詞抽出の従来技術として前後の単語との係り受けや共起情報を手がかりに推定する方法が研究されている。例えば「XX社長」で「XX」が未登録語または他品詞や他固有名詞と曖昧性を持つ語であっても「社長」(人名共起語)の前の「XX」は人名と推定できる。筆者らも基本的にこの手法を用いて、政治・経済に関する100の新聞記事から人名・組織名・地名の推定ルールを作成した。本稿では、ルールの汎用性を評価するため、政治・経済以外の社会・エッセイ・スポーツなどの新聞記事を対象に評価を行った。
1996-09-04

日本語新聞記事からの固有名詞情報抽出

スポンサーリンク

概要

著者

関連論文

スポンサーリンク