HTML文書からの単語意味クラスの単純な自動獲得手法(自然言語)

概要

論文の詳細を見る
本稿では意味的に類似した自然言語表現の集合である単語意味クラスを,HTML文書から高い精度で高速に獲得する手法を提案する.Shinzatoらによれば,HTML文書中の表・箇条書きなどの構造には単語意味クラスと見なせる表現の集合が含まれると報告されている.しかしながら,すべての表や箇条書きが意味的に類似した表現の集合を含んでいるわけではない.そこで本研究では,既存の検索エンジンより得られるヒット件数と,それを基に計算される相互情報量を素性とするSupport Vector Machineを用いて,表や箇条書きに含まれる表現間の意味的な一貫性を求める.このとき,本手法ではn個の表現を含む表・箇条書きに対しては,2n回検索エンジンに問い合わせるだけで意味的一貫性の計算を行う.提案手法により獲得された単語意味クラスを4人の被験者により評価した.その結果,入力として与えた表・箇条書きのうち,意味的一貫性の高い上位10%を単語意味クラスとして獲得した場合,その8割が4人中3人の被験者により単語意味クラスとして判断された.
一般社団法人情報処理学会の論文
2007-06-15