Datasets:

mteb
/

NLPJournalTitleAbsRetrieval

_id stringlengths 9 9	text stringlengths 18 1.29k	title stringclasses 1 value
V31N04-03	%表層が大きく異なる言い換えはデータ拡張に有益である一方，その生成は難しいことが知られている．本論文では，デコーダにサンプリングを適用した折り返し翻訳により生成する多様な疑似言い換えから表層が大きく異なる言い換えペアを抽出することで学習コーパスを構築し，所望の言い換えを生成可能なモデルを実現した．さらに意味および表層の類似度を指定するタグを入力文の先頭に付けるというシンプルな仕組みにより，これらの類似度を制御する．対照学習および事前学習済み言語モデルのpre-fine-tuningにおいてデータ拡張を行い，提案手法の有効性を確認した．さらに(1)言い換えの適切な類似度はdownstreamtaskに大きく依存すること，(2)様々な類似度の言い換えが混在するとdownstreamtaskに悪影響を与えることを明らかにした．\renewcommand{\thefootnote}{}\footnote[0]{本論文の内容の一部は，情報処理学会第$256$回自然言語処理研究発表会\cite{ogasa-2023nl}およびThe2024JointInternationalConferenceonComputationalLinguistics,LanguageResourcesandEvaluation:LREC-COLING2024\cite{ogasa-2024-lrec-coling}で報告したものである．}\renewcommand{\thefootnote}{\arabic{footnote}}
V03N04-03	\vspace*{-2.18mm}照応要素が同一文内に現れる日本語ゼロ代名詞に対する，語用論的・意味論的制約を用いた照応解析の手法を提案する．本手法は，接続語のタイプ，用言意味属性，様相表現のタイプの3種類の語用論的・意味論的制約に着目して，同一文中に照応要素を持つゼロ代名詞の照応要素を決定するものである．本手法を日英翻訳システムALT-J/E上に実現して，日英翻訳システム評価用例文(3718文)中に含まれる文内照応のゼロ代名詞139件を対象に，解析ルールを整備し，解析精度の評価実験を行なった．その結果，上記3種類の制約条件を用いた場合，それぞれの条件が文内照応解析に有効に働き，対象としたゼロ代名詞が再現率98％，適合率100％の精度で正しく照応要素を決定できることが分かった．本手法を，従来の代表的な手法であるCenteringアルゴリズム(再現率74％，適合率89％)と比べると，再現率，適合率共に十分高い．特に，適合率100％と，認定した照応関係に誤りがないことから，本手法が機械翻訳システムでの実現に適することがわかった．以上の結果，提案した方式の有効性が実証された．今後，さらに多くの文を対象に解析ルールの整備を進めることにより，同一文内照応要素を持つゼロ代名詞の大半を復元し，補完できる見通しとなった．
V27N02-12	%本論文では，日本語文を合成するためのドメイン特化言語HaoriBricks3(HB3)について述べる．HB3では，ブリックコードと呼ぶRubyコードで，どのような日本語文を合成するかを記述する．このブリックコードを評価すると，ブリック構造と呼ばれるRubyオブジェクトが生成され，さらに，これに表層文字列化メソッド\texttt{to\_ss}を適用すると，表層文字列が生成される．本論文では，HB3の設計思想，実装のための工夫について説明し，HB3で何ができるのかを示す．
V04N01-05	本稿では,大量の未知語の形態素情報の自動的な蓄積手法の研究について述べる.その内容は,形態素の品詞・活用種類・活用形（これをここでの形態素属性とする）の推定及び統計的手段による推定の精度向上と,日本語における形態素の推定である.文章内の語間の連接関係に注目することによって,未知語の形態素属性を推定する.そして,形態素の字種と連接関係の頻度統計を適用することによって,未知語の形態素属性の推定精度を向上させる.また,``分ち書き''されていない日本語においては,形態素の推定が必要になる.特定の品詞(助詞と助動詞)を完全な情報とみなし,形態素を構成する文字種の並び規則から分割の基点をもとめ,すでに登録されている単語にもとづき,形態素推定を行なう.これを形態素属性の推定を行なうプロセスに送ることで,推定結果から形態素であるものが選択される.以上の手法を日本語に対して適用するシステムを構築し,朝日新聞社説6ヶ月分のコーパス中の約240,000形態素を用いて実験を行なった.その結果,活用品詞に対しては90.5\%,その他の品詞に対しては95.2\%,全体の平均としては94.6\%の形態素の推定成功率を得て228,450形態素の形態素属性を推定し,新たにユニークな形態素15,523個を蓄積することができた.
V20N02-08	本稿ではマルコフロジックを利用した日本語述語項構造解析について述べる．日本語述語項構造解析に関する従来研究の多くは，格毎に独立した解析器を用意し，他の述語項関係との依存関係を無視したまま解析を行っていた．これに対し，本研究では同一文内にある全ての述語項候補を同時に考慮して解析する手法を提案する．この手法は複数の述語項関係の間にある依存関係を考慮した上で，文内における全ての述語項関係の候補から，最適な状態を見つけ出すことができる．さらに，本研究では，述語の項として妥当でないものを削除するための新たな論理的制約を考案し，ゼロ照応も含めて正しい項を効果的に見つけ出すことができるように工夫した．NAISTテキストコーパスにおける実験で，本研究の提案手法は，大規模データを利用せずに，従来手法と同等の結果を達成した．
V06N03-04	係り受け解析は日本語文解析の基本的な方法として認識されている．日本語の係り受けは，ほとんどが前方から後方であるため，解析は文末から文頭の方向へ解析を進める事は効率的であり，これまでもルールベースの解析手法ではいくつかの提案がある．また，統計的文解析は英語，日本語等の言語を問わず数多くの提案があり，その有効性が確認されている．本論文では，上記の二つの特徴を兼ね備えた日本語文係り受け解析を提案し，その実験結果を示し，有効性を実証する．システムの精度は，正しい文節解析ができた所から開始した場合，京大コーパスを使用した実験で係り受け正解率が87.2\%，文正解率が40.8\%と高い精度を示している．ビームサーチのビーム幅を調整した実験では，ビーム幅を小さくする事による精度の劣化が認められなかった．実際にビーム幅が1の際に得られた結果の95\%はビーム幅20の時の最良の結果と同一であった．また，N--best文正解率を見た時には，Nが20の時には78.5\%という非常に高い結果を示している．解析速度は，解析アルゴリズムから推測される通り，文節数の2乗に比例し，平均0.03秒(平均文節数10.0)，最長文である41文節の文に対しては0.29秒で解析を行なった．
V08N01-08	音声翻訳を介した対話をより自然なものにするためには,原言語を解析するだけでは取得困難な『言語外情報』を利用することが有効である.例えば,『対話者の社会的役割』を使用した翻訳は対話をより自然にする.本論文では,特にこの『対話者の社会的役割』に着目し,この役割情報を利用して,適切な丁寧度の翻訳にする手法を提案する.既存の変換ルールや辞書にこの役割情報に応じた修正を加えることによって訳を変える.実際に英日翻訳における変換ルールや辞書に『対話者の社会的役割』に応じたルールやエントリーを登録し,その際に参照していない未訓練の23会話(344発声)を使って実験をした.その結果,丁寧表現にすべき発声に対して,再現率が65\%,適合率が86\%であった.したがって,本手法は,音声翻訳を使って自然な対話を行うためには効果的であり実現性も高い.さらに,対話者の性別情報など他の言語外情報や英日以外の言語対に対する本手法の適用可能性についても考察する.
V15N03-01	今日，大学は産学連携の一層の活性化が求められており，これを可能にするためには大学側のシーズを簡単に検索できるシステムが望まれる．そこで著者らは，産学連携の専門家が研究のシーズを専門用語によって簡単に検索することができるシステムの構築を狙いとし，その第一段階として専門用語抽出の研究を行っている．本研究ではこれまで研究されていない看護学分野を対象分野とした．予備研究によって，病気の症状や治療法を表す専門用語が情報検索分野における代表的な専門用語の抽出方法では抽出が難しいことが判明した．そこで，専門用語になりうる品詞の組合せの拡張と一般的な語を除去することで専門用語抽出の性能改善を図った．その結果，品詞の組合せを拡張することで再現率は83{\%}から99{\%}と専門用語をほぼもれなく抽出可能となった．更に，単語親密度に関する研究成果を活用することで適合率は42{\%}から55{\%}となり大幅に向上した．
V29N04-04	本論文では，生化学分野における一人称の実験映像データセットであるBioVL2データセットを提案する．BioVL2データセットは生化学における4種類の基本的実験に対し，それぞれ8動画撮影した合計32，総時間2.5時間の映像からなるデータセットである．各映像はプロトコルと紐づいており，言語アノテーションとして(1)視覚と言語の対応関係のアノテーション，(2)プロトコル中に現れる物体の矩形アノテーションの2種類のアノテーションを付与している．構築したデータセットの応用例として，本研究では実験映像からプロトコルを自動生成する課題に取り組んだ．定量的，定性的な評価の結果，開発した手法はフレームに映っている物体名をそのままプロトコルとして出力する弱いベースラインと比較して，適切なプロトコルを生成できることを確認した．なお，BioVL2データセットは研究用途に限定してデータセットを公開する予定である\footnote{本論文は\cite{nishimura2021iccvw}で発表したBioVLデータセットの拡張版である．拡張内容については，1節の最終段落を参照されたい．}．
V26N01-05	本論文は，データベース検索対話においてデータベースフィールドに直接言及しないが，データベースへのクエリを構成する上で有益な情報をユーザ発話から取り出す課題を提案する．このような情報を本論文では非明示的条件と呼ぶ．非明示的条件を解釈し，利用することによって，対話システムはより自然で効率的な対話を行うことができる．本論文では，非明示的条件の解釈を，ユーザ発話をデータベースフィールドに関連付け，同時にその根拠となる発話の断片を抽出する課題として定式化する．この課題を解くために，本論文では，サポートベクタマシン(SVM)，回帰型畳込みニューラルネットワーク(RCNN)，注意機構を用いた系列変換による3つの手法を実装した．不動産業者と顧客との対話を収集したコーパスを用いた評価の結果，注意機構を用いた系列変換による手法の性能が優れていた．
V25N04-01	本稿では『現代日本語書き言葉均衡コーパス』のコアデータに対する文節係り受け・並列構造情報\modified{の}アノテーションについて述べる．統語構造のアノテーションに対して，文節係り受け情報と並列・同格構造\modified{を}分離してアノテーションする方法を提案する．さらに節境界を越える係り受け関係について，節の分類に基づきスコープを決めることでよりアノテーションの精緻化を行う．実作業の工程上の問題などにも言及しながら，アノテーション基準を概説する．また，アノテーションデータの基礎統計量について示す．
V04N01-02	近年の音声認識技術の進歩によって，話し言葉の解析は自然言語処理の中心的なテーマの1つになりつつある．話し言葉の特徴は，言い淀み，言い直し，省略などのさまざまな不適格性である．書き言葉には見られないこれらの現象のために，従来の適格文の解析手法はそのままでは話し言葉の解析には適用できない．本稿では，テキスト(漢字仮名混じり文)に書き起こされた日本語の話し言葉の文からその文の格構造を取り出す構文・意味解析処理の中で，言い淀み，言い直しなどの不適格性を適切に扱う手法について述べる．本手法は，適格文と不適格文を統一的に扱う統一モデルに基づいており，具体的には，係り受け解析の拡張によって実現される．まず，音声対話コーパスからの実例をあげながら統一モデルの必要性を述べ，次に，本手法の詳細を説明した後，その有効性を解析の実例をあげるとともに実験システムの性能を評価することで示す．その結果，さまざまな不適格性を含む複雑な話し言葉の文が，係り受け解析を基本とする本手法によってうまく扱えることを示し，さらに，定量的にも，試験文の約半数に完全に正しい依存構造が与えられることを示す．
V05N04-03	複合名詞は文書の内容を凝縮できる程の情報を担うことができるため重要語となりやすく，しばしば文書内容を理解する上での鍵となる．このため，複合名詞解析（＝その構成要素間の掛かり受け解析）は，機械翻訳にとどまらず，情報抽出や情報検索の高度化にも貢献すると期待されている．しかし，複合名詞は単なる名詞の連鎖に過ぎないため構文上の手掛かりが無く，人手で構成したルールや，シソーラスに記述された概念の共起尤度等を用いて解析する方法が提案されてきた．しかし，新聞記事などの未登録語が頻出する開いた大規模テキストを扱う場合は想定されてこなかったため，そのような場合には頑健性の点で問題が生じる．本論文は，大量の電子化文書が高速に処理可能な昨今の状況を念頭に置き，シソーラス等の予め固定されたデータを用いるのではなく，文書中から直接文字列レベルの共起情報を抽出するだけで，高い精度で複合名詞解析が可能なことを示す．まず，与えられた複合名詞を暫定的に形態素解析し，得られた構成単語の共起情報を複数のテンプレートを用いて抽出する．共起情報を抽出する段階で，語の出現状況から，複合名詞内の短い複合名詞や，誤って過分割された略称等の未登録語を検出すると同時に，これらの共起情報を抽出することにより，未登録語に対する頑健性が達成される．これに加えて，共起情報が不足する場合のヒューリスティクスに関して検討を加え，文書から直接得られる共起情報と若干のルールを併用することにより，高精度な複合名詞解析が達成できた．新聞記事から抽出した長さ5,6,7,8の複合名詞各100個を対象に実験を行った結果，新聞1年分を\break用いて，それぞれ90，86，84，84個の正解が得られた．
V17N05-01	本稿では評判情報関連タスクにおいて必要不可欠と考えられる，評判情報コーパスを人手により効率良く作成する手法について検討し，作成されたコーパスについて基礎的な分析を行う．まず，注釈付けに用いる評判情報モデルとして，項目—属性—属性値—評価の4つ組からなる2層構造モデルを提案する．次に，複数注釈者の人手によるコーパス作成について検討する．その際に，注釈者間の注釈揺れが問題となる．予備実験の結果，注釈者が他の注釈者と相談をせずに独自に注釈付けの判断を行った場合には注釈付けの一致率が十分でないことがわかった．そこで，複数の注釈者間で判断に関する情報を共有するための方法として，注釈事例参照の利用を提案し，注釈事例参照を組み込んだ注釈付け支援ツールの試作を行った．これにより，注釈付けの判断に関する情報を複数の注釈者間で緩やかに共有することができる．評価実験によれば，注釈事例の参照機能が注釈揺れ削減に効果があることがわかった．さらに，上記の手法を用いた評判情報コーパス作成について報告する．また，注釈事例参照の有効性を確認した後，1万文のレビュー文書に対して10名の注釈者が注釈付けを行い，評判情報コーパスを作成した．そして，作成したコーパスについて，評判情報の各構成要素の統計的調査を行った結果，提案した2層構造モデルを用いて評判情報を捉えることが有効であることがわかった．
V20N03-02	東日本大震災ビッグデータワークショップにおいて提供された，震災当日を含めた1週間分のツイートのうち，震災対応の初動期間にあたる震災後72時間を含む4日分のツイッターを解析した．ツイートのクラスタリングによって得られる全体の俯瞰を行ってから目的に応じた分類項目を設定し，その項目に即したツイートを抜き出す抽出器を作成した．一連の作業をよく行うためには，分類項目を設定するために用いられるクラスタリングの性能向上が重要な要素となっている．本研究では，古典的な類義語処理手法である特異値分解をクラスタリングに適用する際に，良く知られている次元圧縮に留まらず，特異値の大きさを特徴量の重みづけの大きさとして活用する手法を提案する．また，クラスタリング結果を人手で修正する作業の容易度を測るための新たな指標を提案し，人手による実作業の効率と比較する実験を行った．その結果，クラスタリングについては，主に作業効率の観点から，特異値による重みづけの有効性と提案する作業指標の妥当性が確認された．分類問題であるターゲットデータ抽出については，学習過程にそもそも重みづけの機構が備わっているにもかかわらず，検出率の向上に若干の効果が見られた．
V07N02-03	1991年から1997年までの毎日新聞7年分の電子テキスト（約3.4億文字）を対象に，使用されている文字種すべて（5,726；空白文字を除く）について，その出現率（出現頻度）が，面種（e.g.,解説面，スポーツ面，社会面），月次，年次の3つの要因に関して，どの程度まで系統的な変動を示すかを検討した．5,726文字種のうち，16の面種間による出現率の差は69.2\%で，月次による出現率の差は20.3\%で，年次による出現率の差は43.9\%で認められた．低出現率の文字（0.001‰未満）を除いた2,732文字種では，さらに変動は顕著で，面種差は98.4\%で，月次差は33.5\%で，年次差は76.0\%で認められた．このように，紙面の種類と時系列によって，新聞の文字使用が系統的に変動することが，広範に確認された．こうした語彙表現に関わる変動現象は，大量のテキストに基づいて文字や単語の計量を行うような研究ではあまり関心が払われてこなかったが，変動のもつ規則性は，それ自体，精細な分析の対象となりうるものである．
V31N03-04	%日本語のライトノベルでは，登場人物毎に異なる口調（話し方のスタイル）を用い，その口調によってセリフの話者を暗示させる技法がしばしば用いられる．「セリフの書き分け」と呼ばれるこの小説技法は，多くの口調が存在するという日本語の話し言葉の特徴を利用している．この技法が使われる小説では，地の文を主要な手がかりとする話者推定法だけでは，正しい話者を推定することが難しい．本研究では，口調を利用した話者推定を実現するために，以下のことを行った．(1)小説のセリフを，その口調の特徴を埋め込んだベクトル（口調ベクトル）に変換する口調エンコーダを提案した．(2)口調エンコーダを利用して，セリフの話者を自動同定する手法（口調に基づく話者同定）を提案した．(3)この手法の前段に話者候補生成モジュールをつなげた話者推定システムを実装した．このシステムを用いて5つの作品に対して話者推定実験を行い，4つの作品に対してベースラインを上回る結果を得た．\renewcommand{\thefootnote}{}\footnote[0]{本論文は，情報処理学会第253回自然言語処理研究会（石川他2022）と言語処理学会第29回年次大会（石川他2023）を発展させたものである．}\renewcommand{\thefootnote}{\arabic{footnote}}
V27N04-07	%日本語の比喩表現の実態把握を目的として，『現代日本語書き言葉均衡コーパス』に基づく指標比喩データベースを構築した．『比喩表現の理論と分類』に掲載されている359種類の比喩指標要素を手掛かりとし，『分類語彙表』に基づいて類義用例を確認しながら指標比喩表現候補を展開し，コアデータ6レジスタ（Yahoo!知恵袋・白書・Yahoo!ブログ・書籍・雑誌・新聞）1,290,060語から人手で822件抽出した．抽出した比喩用例には，喩辞・被喩辞の情報と，その分類語彙表番号を付与したほか，擬人化・擬物化・擬生化・具象化などの種別情報も付与した．さらに提喩・換喩・文脈比喩・慣用表現などの情報も付与した．上記作業は言語学者によったが，非専門家が比喩表現をどのように捉えるかを評価するために，比喩性・新奇性・わかりやすさ・擬人化・具体化（具象化）の5つの観点について，1事例あたり22--77人分（平均33人分）の評定値を付与した．レジスタ毎の相対度数や評定値の分布により，現代日本語の指標比喩表現の使用傾向を確認した．
V26N01-06	統計的機械翻訳において，原言語と目的言語における語順の違いは翻訳精度に大きく影響することが知られている．この問題に対して，翻訳器に入力する前に原言語の語順を並び替える事前並び替え手法が提案されている．先行研究において最高性能を達成しているNakagawaの手法では事前並び替えの学習のために素性テンプレートの設計が必要である．本稿では，データから直接素性ベクトルを学習するRecursiveNeuralNetworkを用いた事前並び替え手法を提案する．英日・英仏・英中の言語対を用いた評価実験の結果，英日翻訳では素性テンプレートの設計を必要とせず，Nakagawaの手法と遜色ない精度を達成した．また実験結果の詳細な分析を行い，事前並び替えに影響を与える要因を分析した．そして近年の機械翻訳において主流となっているニューラル機械翻訳における事前並び替えの効果についても検証した．
V16N03-03	事物の数量的側面を表現するとき，数詞の後に連接する語を一般に助数詞と呼ぶ．英語などでは名詞に直接数詞が係って名詞の数が表現されるが，日本語では数詞だけでなく助数詞も併せて用いなければならない．名詞と助数詞の関係を正しく解析するためには，助数詞が本来持つ語彙としての性質と構文中に現れる際の文法的な性質について考慮する必要がある．本稿では，数詞と助数詞の構文を解析するためのLexical-FunctionalGrammar(LFG)の語彙規則と文法規則を提案し，その規則の妥当性と解析能力について検証した．提案した規則によって導出される解析結果(f-structure)と英語，中国語のf-structureをそれぞれ比較することによって，日本語内での整合性と多言語間との整合性を有していることが確認できた．また，精度評価実験の結果，従来のLFG規則に比べて通貨・単位に関する表現では25\%，数量に関する表現では5\%，順序に関する表現では21\%のF値の向上が認められた．
V28N03-08	%本稿では，アイヌ民話（ウウェペケ\UI{31FE}）の音声認識に関する我々の取り組みについて述べる．まず，2つの博物館から提供されたアイヌ語アーカイブのデータを元に，沙流方言を対象としたアイヌ語音声コーパスを構築した．次に，このコーパスを用いて注意機構モデルに基づく音声認識システムを構成し，音素・音節・ワードピース・単語の4つの認識単位について検討した．その結果，音節単位での音声認識精度が最も高くなることがわかり，話者クローズド条件と話者オープン条件のそれぞれについて，音素認識精度で93.7\%と86.2\%，単語認識精度で78.3\%と61.4\%を実現した．音声認識精度が話者オープン条件において大幅に低下する問題に対して，CycleGANを用いた教師なし話者適応を提案した．これは，学習データ内の話者の音声から認識対象話者の音声への写像をCycleGANに学習させ，学習データ内の音声を全て認識対象話者風の音声に変換するものである．本手法によって最大で相対60.6\%の音素誤り率の改善を得た．さらに，日本語とアイヌ語が混合した音声における言語識別についても検討を行い，音素認識と単語認識を用いた構成で一定の識別性能を達成できることを示した．
V15N04-03	本論文では，テキストに出現する固有表現の組が意味的な関係を有するか否かを判定する手法，特に異なる文に出現する固有表現の組に有効な手法を提案する．提案手法では，SalientReferentListに基づく文脈的素性を新たに導入し，単語や品詞，係り受けなどの伝統的に利用されている素性と組合わせた．これらの素性はひとつの木構造として表現され，ブースティングに基づく分類アルゴリズムに渡される．実験結果では，提案手法は従来手法より精度11.3\%，再現率14.2\%向上することが確認できた．
V27N02-06	本研究では，写真付きレシピの作成を容易にするために，写真列を入力としてレシピを生成するという課題と，それを解決する手法を提案する．レシピを正しく生成するためには，モデルは写真を説明する上で欠かせない物体や動作といった重要語と，それを含む表現を生成する必要がある．写真列を入力として文章を出力する類似課題であるVisualstorytellingの手法では，重要語の存在は考慮されていなかった．これに対して，本論文では，検索課題として取り組まれてきた手法を文生成モデルに組み込むことで，モデルは入力写真に適した重要語を過不足なく含む表現の情報を活用しながらレシピを生成する手法を提案する．日本語のレシピを対象に実験を行った結果，本手法を適用することで生成文の自動評価尺度や，写真に適した重要語が生成文中に含まれているかといった評価においてベースラインと比較して性能が向上したことを実験的に確認した．
V07N01-04	本稿では単語の羅列を意味でソートするといろいろなときに便利であるということについて記述する．また，この単語を意味でソートするという考え方を示すと同時に，この考え方と辞書，階層シソーラスとの関係，さらには多観点シソーラスについても論じる．そこでは単語を複数の属性で表現するという考え方も示し，今後の言語処理のためにその考え方に基づく辞書が必要であることについても述べている．また，単語を意味でソートすると便利になるであろう主要な三つの例についても述べる．
V29N01-07	%教師あり要約モデルの研究においては，タイトルを本文の要約とみなし学習データとするのが一般的であるが，これらはノイズ，すなわち不適切な本文−要約ペアを多く含む．本研究では，カリキュラムラーニングを用いてこうしたノイズを含むデータから効率的に要約モデルを学習させる手法を検討する．カリキュラムラーニングは学習データを難易度やノイズの量などを表す指標に従ってソートし，段階的な学習を行うことで性能を向上させる手法であり，ノイズを含むデータの学習にも有効である．本研究の目的の1つは，これまで検証されてこなかったカリキュラムラーニングの要約タスクへの有効性を検証することである．翻訳タスクの先行研究では，ノイズの多いコーパスと少ないコーパスから学習されたモデルでノイズ定量化を行ったが，要約分野にそうしたコーパスは存在しない．本研究のもう1つの目的は，単一コーパスからノイズを定量化してカリキュラムラーニングに適用する手法を提案することである．提案モデルであるAppropriatenessEstimatorは，本文−要約の正しいペアと，ランダムに組み合わせたペアを分類するタスクによって学習され，本文−要約ペアの適切性を計算する．本研究では3つの要約モデルで実験を行い．カリキュラムラーニング及び提案手法が要約モデルの性能を向上させることを示す．
V19N03-02	ソースドメインのデータによって分類器を学習し，ターゲットドメインに適応することを領域適応といい，近年さまざまな手法が研究されている．しかし，語義曖昧性解消(WSD:WordSenseDisambiguation)について領域適応を行った場合，最も効果的な領域適応手法は，ソースデータとターゲットデータの性質により異なる．本稿ではそれらの性質から，WSDの対象単語タイプ，ソースドメインとターゲットドメインの組み合わせに対して，最も効果的な領域適応手法を決定木学習を用いて自動的に選択する手法について述べるとともに，どのような性質が効果的な領域適応手法の決定に影響を与えたかについて考察する．
V19N02-01	日本語を含めた多くの言語において，複合名詞内部の単語境界は空白で分かち書きされない．こうした複合名詞を構成語列へと分割する処理は，多くの自然言語処理の応用において重要な基礎技術となる．日本語の場合，片仮名語は生産性が高く未知語が多いことから，特に片仮名複合名詞の扱いが技術的な問題となる．この問題の解決を図るため，本論文は片仮名複合名詞の言い換えと逆翻字を分割処理に利用する方法を提案する．実験では，言い換えと逆翻字をラベルなしテキストから抽出し，その情報を利用することによって，分割精度が統計的に有意に向上することを確認した．
V03N02-04	日本語においては主語が頻繁に省略されるため，省略された主語すなわちゼロ主語の指示対象同定が重要である．複文は従属節と主節からなるので，主節主語と従属節主語がある．したがって，複文の理解に不可欠なゼロ主語の指示対象同定の問題は，2段階に分けて考えるべきである．第一の段階では，主節主語と従属節主語が同じ指示対象を持つかどうか，すなわち共参照関係にあるかどうかの分析である．第二の段階では，第一段階で得られた共参照関係を利用して，実際のゼロ主語の指示対象同定を行なう．このうち，第一の共参照関係の有無は，複文のゼロ主語の扱いにおいて固有の問題であり，本論文ではこの第一の問題について主として小説に現れるノデ，カラで接続される順接複文について分析した．分析は，主節および従属節の述語の意味をIPAの動詞形容詞辞書の分類に従って分類し，各々の述語がどのような分類の場合において共参照するかしないかを調べた．この結果，共参照関係の同定に有力であるいくつかのデフォールト規則を見い出した．
V31N01-03	%質問応答は，自然言語処理における重要な研究テーマの一つである．近年の深層学習技術の発達と言語資源の充実により，質問応答技術は飛躍的な発展を遂げている．しかし，これらの研究は英語を対象としたものがほとんどであり，現状，日本語での質問応答に関する研究はあまり活発には行われていない．この背景を受けて，我々は日本語での質問応答研究を促進するため，日本語のクイズを題材とした質問応答のコンペティション「AI王」を企画し，これまでに計3回実施してきた．本論文では，日本語の質問応答技術における現在の到達点と課題を明らかにすることを目標として，使用したクイズ問題と提出された質問応答システム，さらに比較対象として大規模言語モデルを用いた分析を行い，その結果を報告する．
V02N04-01	本稿では、日本語マニュアル文の理解を行なう際に必要となるゼロ代名詞の照応問題を解決する一つの手がかりとして，マニュアル文の操作手順においてしばしば現れる条件表現の語用論的性質を利用することを提案する．条件表現の前件と後件を動作主の種類と述語の性質により分類するという方法により，実際の例文を調べた結果，後件に関して，1)「と」と「れば」，「たら」と「なら」がそれぞれ同じ分布を示すこと，2)「と」「れば」と「たら」「なら」は相補的な分布になっていること，が分かった．この性質より，動作主に関するゼロ代名詞の照応に利用できる制約ならびにデフォールト規則が得られた．
V11N04-04	本稿では，機械翻訳システムの辞書に登録されておらず，かつ(対応付け誤りを含む)対訳コーパスにおいて出現頻度が低い複合語を対象として，その訳語を抽出する方法を提案する．提案方法は，複合語あるいはその訳語候補の内部から得られる情報と，複合語あるいはその訳語候補の外部から得られる情報とを統合的に利用して訳語対候補に全体スコアを付ける．全体スコアは，複合語あるいはその訳語候補の二種類の内部情報と二種類の外部情報に基づく各スコアの加重和を計算することによって求めるが，各スコアに対する重みを回帰分析によって決定する．読売新聞とTheDailyYomiuriの対訳コーパスを用いた実験では，全体スコアが最も高い訳語対(のうちの一つ)が正解である割合が86.36\%，全体スコアの上位二位までに正解が含まれる割合が95.08\%という結果が得られ，提案手法の有効性が示された．
V20N02-07	既存のテキストのみからなる辞書に対し，インターネット上にある膨大な画像を関連付けることができれば，文字列情報からだけでは得られない，視覚的な情報を利用できるようになり，用途が広がると期待できる．そのため，本稿では，辞書の出来る限り広い語義に対して画像を付与することを考える．作成・維持コストを考えれば，なるべく自動的に画像を付与することが望ましいが，大量の辞書エントリに対して，高い精度で画像を付与することは容易ではない．また，そもそもどういった語義には画像を付与できるのか，あるいはできないのかといった調査が大規模になされた例はなく，画像が付与できる語義を自動的に判別することも困難である．そこで本稿では，まず語義別に画像が付与された辞書を人手で構築することを第一の目標とする．その上で，画像が付与できる語義とできない語義について，品詞や意味クラスとの関連性に着目して分析する．具体的には，名詞，動詞，形容詞，形容動詞，副詞を含む25,481語，39,251語義を対象に画像付与実験と分析を行ない，その結果，全語義の94.0\%は画像付与が可能であること，品詞や意味クラスに応じて画像付与の可否が変わることを示す．また，幅広い語義に適切な画像を付与するため，インターネットから画像検索によって画像を獲得する．検索時に重要となるのが検索語である．本稿の第二の目標は，語義毎に適切な画像を得るための検索語を調査することである．本稿では，複数の検索語の組合せ（以下，検索語セット）の中から最も適切な画像を得られる検索語セットを作業者に選択してもらい，適切な検索語セットがない場合には修正してもらう．こうして最終的に利用された検索語セットを分析し，提案手法の改良点を探る．さらに，検索語セットの優先順位の決定方法も提案，その妥当性を示すことを本稿の第三の目標とする．新しい辞書への適用等を考えると，人手による画像付与ができない場合でも，優先順位の高い検索語セットによる検索結果が利用できれば，有用だと考えられるからである．提案手法では，対象語義がメジャーな語義かどうかで優先順位を変化させる．実験では，2種類の評価方法を通してその妥当性を示す．
V19N03-01	適合性フィードバックの手法の多くは，テキストに表層的に出現する単語の情報だけを用いて検索結果をリランキングしている．これに対し，本稿では，テキストに表層的に出現する単語の情報だけでなく，テキストに潜在的に現れうる単語の情報も利用する適合性フィードバックの手法を提案する．提案手法では，まず検索結果に対してLatentDirichletAllocation(LDA)を実行し，各文書に潜在する単語の分布を推定する．ユーザからフィードバックが得られたら，これに対してもLDAを実行し，フィードバックに潜在する単語の分布を推定する．そして，表層的な単語の分布と潜在的な単語の分布の両方を用いてフィードバックと検索結果中の各文書との類似度を算出し，これに基づいて検索結果をリランキングする．実験の結果，$2$文書（合計$3,589$単語）から成るフィードバックが与えられたとき，提案手法が初期検索結果のPrecisionat$10$(P@10)を$27.6\%$改善することが示された．また，提案手法が，フィードバックが少ない状況でも，初期検索結果のランキング精度を改善する特性を持つことが示された（e.g.,フィードバックに$57$単語しか含まれていなくても，P@10で$5.3\%$の改善が見られた）．
V15N02-05	ある入力文書が多くの人にとってどの程度興味や関心を持つかを算出する指標を提案する．各個人の興味や関心は多種多様であり，これを把握することで情報のフィルタリング等を行う研究は知られているが，本研究では不特定多数すなわち大衆が全体でどの程度の興味を持つかについて検討を行った．このような技術は，不特定多数に対して閲覧されることを想定しているWebサイトにおける提示文書の選択や表示順の変更など，非常に重要な応用分野を持っている．我々は大衆の興味が反映されている情報源として順位付き文書を使用した．本手法ではこれを学習データとして利用して，文書に含まれる語句及び文書自体に興味の強弱を値として付与する手法を構築した．興味を値として扱うことで，興味の強弱を興味がある・ないの2値ではなく興味の程度を知ることや興味発生の要因分析を行うことが可能である．提案手法は，文書に含まれる語句を興味判別する素性として扱い，内容語，複合名詞，内容語及び複合名詞の組み合わせの3種類について比較，議論した．評価は，ニュース記事のランキングを対象にして，実際の順位とシステムの順位を比較した．その結果，順位相関に基づいた評価値は0.867であり，手法の有効性を確認した．さらに，ほぼ興味を持たれない記事に対して抽出精度0.90を超える精度で弁別できることを実験で確認した．
V16N03-01	本稿では，Wikipediaの記事構造を知識源として，高精度で大量の上位下位関係を自動獲得する手法について述べる．上位下位関係は情報検索やWebディレクトリなど，膨大なWeb文書へのアクセスを容易にする様々な技術への応用が期待されており，これまでにも様々な上位下位関係の抽出手法が開発されてきた．本稿では，Wikipediaの記事構造に含まれる節や箇条書きの見出しから，大量の上位下位関係候補を抽出し，機械学習を用いてフィルタリングすることで高精度の上位下位関係を獲得する手法を開発した．実験では，2007年3月の日本語版Wikipedia2.2~GBから，約77万語を含む約135万対の上位下位関係を精度90\%で獲得することができた．
V06N07-02	日本語の長文で一文中に従属節が複数個存在する場合，それらの節の間の係り受け関係を一意に認定することは非常に困難である．また，このことは，日本語の長文を構文解析する際の最大のボトルネックの一つとなっている．本論文では，大量の構文解析済コーパスから，統計的手法により，従属節節末表現の間の係り受け関係を判定する規則を自動抽出する手法を提案する．統計的手法として，決定リストの学習の手法を用いることにより，係り側・受け側の従属節の形態素上の特徴と，二つの従属節のスコープが包含関係にあるか否かの間の因果関係を分析し，この因果関係を考慮して，従属節節末表現の間の係り受け関係判定規則を学習する．また，EDR日本語コーパスから抽出した係り受け情報を用いて，本論文の手法の有効性を実験的に検証した結果について述べる．さらに，推定された従属節間の係り受け関係を，統計的文係り受け解析において利用することにより，統計的文係り受け解析の精度が向上することを示す．
V29N04-07	%本研究では，複数文および複数画像から成るマルチモーダル文書を理解するシステムの構築を目指し，文書内における画像を意味的に望ましいテキストに割り当てる新たなタスク\textbf{I}mage-to-\textbf{Te}xt\textbf{M}atching(ITeM)を提案する．また，提案タスクのためにWikipediaから機械的に66,947文書および320,200画像からなるデータセットを構築する．提案タスクの妥当性および難易度を検証するため，既存のマルチモーダルタスクで最高精度を達成した2手法を本タスク向けに改良し，評価実験を行う．結果から，ベースラインの精度を大幅に上回ったものの，人間の精度に到達するには改良の余地があることを確認した．また，既存タスクに対する提案タスクの寄与度を検証する実験では顕著な差は見られなかった一方で，詳細な分析により，記事内の画像数が多くなるほど，また，画像が分散して配置される記事ほどタスクが難しくなる傾向にあることや，タスクを解くためには複数画像を同時に考慮したり画像中の物体情報を抽象化しなければならないなど，既存タスクとは異なる側面の画像理解・言語理解能力を提案タスクによって学習・評価できることが示唆された．
V13N01-05	機械翻訳システムの翻訳品質を改善するためなどに必要な語彙知識を獲得するためには，対訳コーパスにおいて二言語の表現を正しく対応付ける処理と，対応付けられた表現対を辞書に登録するか否かを判定する選別処理の二つが必要である．従来，対応付けに関する研究は数多く行なわれてきたが，辞書登録候補の選別に関する研究はほとんど行なわれていない．本稿では，従来あまり扱われてこなかった選別問題を採り上げ，この問題を機械学習によって解く方法を示す．学習に用いる素性として，二つの表現の間で異なる部分と両者に共通する部分に着目し，差分部分や共通部分を表現する手段として，表記(文字，形態素)，品詞，概念識別子を用いる．評価実験の結果，最も高い選別性能(F値)を示す表現方法は文字であることが明らかになった．
V22N04-01	本稿は機械学習を用いて関連語・周辺語または説明文書から適切な検索用語を予測する手法を提案する．機械学習には深層学習の一種であるDeepBeliefNetwork(DBN)を用いる．DBNの有効性を確認するために，用例に基づくベースライン手法，多層パーセプトロン(MLP)，サポートベクトルマシン(SVM)との比較を行った．学習と評価に用いるデータは手動と自動の2通りの方法でインターネットから収集した．加えて，自動生成した疑似データも用いた．各種機械学習の最適なパラメータはグリッドサーチと交差検証を行うことにより決定した．実験の結果，DBNの予測精度はベースライン手法よりはるかに高くMLPとSVMのいずれよりも高かった．また，手動収集データに自動収集のデータと疑似データを加えて学習することにより予測精度は向上した．さらに，よりノイズの多い学習データを加えてもDBNの予測精度はさらに向上したのに対し，MLPの精度向上は見られなかった．このことから，DBNのほうがMLPよりもノイズの多い学習データを有効利用できることが分かった．
V20N05-04	本論文では語義曖昧性解消(WordSenseDisambiguation,WSD)の領域適応に対する手法を提案する．WSDの領域適応の問題は，2つの問題に要約できる．1つは領域間で語義の分布が異なる問題，もう1つは領域の変化によりデータスパースネスが生じる問題である．本論文では上記の点を論じ，前者の問題の対策として学習手法にk~近傍法を補助的に用いること，後者の問題の対策としてトピックモデルを用いることを提案する．具体的にはターゲット領域から構築できるトピックモデルによって，ソース領域の訓練データとターゲット領域のテストデータにトピック素性を追加する．拡張された素性ベクトルからSVMを用いて語義識別を行うが，識別の信頼性が低いものにはk~近傍法の識別結果を用いる．BCCWJコーパスの2つの領域PB（書籍）とOC（Yahoo!知恵袋）から共に頻度が50以上の多義語17単語を対象にして，WSDの領域適応の実験を行い，提案手法の有効性を示す．別種の領域間における本手法の有効性の確認，領域の一般性を考慮したトピックモデルをWSDに利用する方法，およびWSDの領域適応に有効なアンサンブル手法を考案することを今後の課題とする．
V26N01-08	本論文では，ニューラル機械翻訳(NMT)の性能を改善するため，CKYアルゴリズムから着想を得た，畳み込みニューラルネットワーク(CNN)に基づく新しいアテンション構造を提案する．提案のアテンション構造は，CKYテーブルを模倣したCNNを使って，原言語文中の隣接する単語／句の全ての可能な組み合わせを表現する．提案のアテンション構造を組み込んだNMTは，CKYテーブルの各セルに対応するCNNの隠れ状態に対するアテンションスコア（言い換えると，原言語文中の単語の組み合わせに対するアテンションスコア）に基づき目的言語の文を生成する．従来の文構造に基づくNMTは予め構文解析器で解析した文構造を活用するが，提案のアテンション構造を用いるNMTは，原言語文の構文解析を予め行うことなく，原言語の文に潜む構造に対するアライメントを考慮した翻訳を行うことができる．AsianScientificPaperExcerptCorpus(ASPEC)英日翻訳タスクの評価実験により，提案のアテンション構造を用いることで，従来のアテンション構造付きのエンコーダデコーダモデルと比較して，1.43ポイントBLEUスコアが上昇することを示す．さらに，FBISコーパスにおける中英翻訳タスクにおいて，提案手法は，従来のアテンション構造付きのエンコーダデコーダモデルと同等かそれ以上の精度を達成できることを示す．
V08N04-01	{\bf了解}という言語現象が言語行為の分析にとって重要であることが，Austinによって指摘された．しかし了解に関しては，これまで十分な分析が行なわれてこなかった．本論文では，{\bf了解}の語用論的な分析を行った．語用論的な分析をするためにAustinとSearleによる言語行為論の拡張を行い，拡張言語行為論の枠組みを提案した．その枠組みには以下のような特徴がある．\begin{itemize}\item新たに二つの概念要素（{\bf隠蔽された命題行為}と{\bf意図}）を既存の言語行為論に取り入れている．\item既存の言語行為論における発語媒介行為と発語媒介的効果を，それぞれ，二種類の行為および四種類の効果に分割している．\end{itemize}その結果，拡張言語行為論の枠組みは13の概念要素からなることになった．提案した枠組みに基づいて，了解の代表的表現のひとつである「はい」の意味の多様性を，了解の過程・程度を軸にして語用論的に分析した．分析の結果，{\bf了解の程度}には八つの段階，{\bf了解の過程}には七つの段階があることが明らかになった．
V20N03-06	東日本大震災では，「コスモ石油の爆発で有害物質の雨が降る」などの誤情報の拡散が問題となった．本研究の目的は，東本日大震災後1週間の全ツイートから誤情報を網羅的に抽出し，誤情報の拡散と訂正の過程を分析することである．本稿では，誤情報を訂正する表現（以下，訂正パターン）に着目し，誤情報を認識する手法を提案する．具体的には，訂正パターンを人手で整備し，訂正パターンにマッチするツイートを抽出する．次に，収集したツイートを内容の類似性に基づいてクラスタリングし，最後に，その中から誤情報を過不足なく説明する1文を選択する．実験では，誤情報を人手でまとめたウェブサイトを正解データとして，評価を行った．また，誤情報とその訂正情報の拡散状況を，時系列で可視化するシステムを構築した．本システムにより，誤情報の出現・普及，訂正情報の出現・普及の過程を分析できる．
V10N02-06	従来，ベクトル空間法において，ベクトルの基底数を削減するため，ベクトルの基軸を変換する方法が提案されている．この方法の問題点として，計算量が多く，大規模なデータベースへの適用が困難であることが挙げられる．これに対して，本論文では，特性ベクトルの基底として，単語の代わりに単語の意味属性（「日本語語彙大系」で規定された約2,710種類）を使用する方法を提案する．この方法は，意味属性間の包含関係に基づいた汎化が可能で計算コストもきわめて少なく，容易にベクトルの次元数を圧縮できることが期待される．また，単語の表記上の揺らぎに影響されず，同義語，類義語も考慮されるため，従来の単語を基底とする文書ベクトル空間法に比べて，検索漏れを減少させることが期待される．BMIR-J2の新聞記事検索（文書数約5,000件）に適用した実験結果によれば，提案した方法は，次元数の削減に強い方法であり，検索精度をあまり落とすことなく，文書ベクトルの基底数を300〜600程度まで削減できることが分かった．また，単語を基底とした文書ベクトルの方法と比べて高い再現率が得られることから，キーワード検索におけるＫＷ拡張と同等の効果のあることが分かった．
V31N01-05	%文書レベル関係抽出(DocRE)は文書中のすべてのエンティティの組の関係を推定するタスクである．エンティティ組の関係推定に十分な手掛かりを含む文の集合を根拠と呼ぶ．根拠は関係抽出の性能を改善できるが，既存研究ではDocREと根拠認識を別々のタスクとしてモデル化していた．本稿では，根拠認識を関係抽出のモデルに統合する手法を提案する．具体的には，エンティティ組のエンコード過程において，根拠に高い重みを配分するように自己注意機構を誘導することにより，根拠に注目した分散表現を得る．さらに，根拠のアノテーションが付与されていないデータに根拠の疑似的な教師信号を付与し，大量の自動ラベル付けデータを活用する方法を提案する．実験結果から，提案手法は文書レベル関係抽出のベンチマークDocRED及びRe-DocREDにおいて，関係抽出と根拠認識の両方で現時点の世界最良性能を達成した．\renewcommand{\thefootnote}{}\footnote[0]{本稿の一部はthe17thConferenceoftheEuropeanChapteroftheAssociationforComputationalLinguistics\cite{Ma:EACL2023}及び言語処理学会第29回年次大会(Ma他2023)\nocite{Ma:JNLP2023}で報告されています．}\renewcommand{\thefootnote}{\arabic{footnote}}
V21N02-04	現在，自然言語処理では意味解析の本格的な取り組みが始まりつつある．意味解析の研究には意味関係を付与したコーパスが必要であるが，従来の意味関係のタグ付きコーパスは新聞記事を中心に整備されてきた．しかし，文書には多様なジャンル，文体が存在し，その中には新聞記事では出現しないような言語現象も出現する．本研究では，従来のタグ付け基準では扱われてこなかった現象に対して新たなタグ付け基準を設定した．Webを利用することで多様な文書の書き始めからなる意味関係タグ付きコーパスを構築し，その分析を行った．
V14N04-01	本論文では，構文木をクエリとして与え，構文木付きコーパスからクエリと同じ構文木を部分木として含む文を検索する手法を提案する．構文木付きコーパスは，関係データベースに格納する．このような構造検索の過去の研究では，クエリの節点数が増加すると，検索時間が大幅に増加する問題があった．本論文で提案する手法は，節点数が多いクエリを部分木に分割し，漸進的に検索することで検索を効率化する．クエリの分割の単位やその検索順序は，検索対象となるコーパス中の規則の出現頻度をもとに自動的に決定する．本手法の有効性を確認するために7種類のコーパスを用いて評価実験を行ったところ，4種類のコーパスで分割の有効性が確認できた．
V31N02-15	%言語生成では，生成文の品質を改善する手法としてモデルが出力した上位$N$個の仮説を再びスコア付けしリランキングする手法が用いられる．リランキング手法は，$N$ベスト出力の中により高品質な仮説が存在することを前提としている．我々はこの前提をより現実的なものに拡張し，$N$ベスト出力の中には部分的に高品質な仮説が存在するが，その仮説は文全体としては不完全な可能性があると仮定する．本研究では$N$ベスト出力に含まれる高品質な断片を統合することで，文全体としても高品質な出力を生成する手法を提案する．具体的には，言語生成モデルの$N$ベスト出力を用いてトークンの正誤予測を行い，誤りと予測されたトークンを負の制約，正しいと予測されたトークンを正の制約として，語彙制約を適用して再度デコードする．これにより，$N$ベスト出力に含まれていた正しいトークンを含みつつ，誤りを避けた文を生成する．言い換え，要約，翻訳，制約付きテキスト生成における評価実験により，言い換えおよび要約において本手法が強力な$N$ベスト出力リランキング手法を上回ることが確認された．\renewcommand{\thefootnote}{}\footnote[0]{本論文の内容の一部は，情報処理学会第$256$回自然言語処理研究発表会の発表論文「系列変換モデルにおける語彙制約を用いた複数出力候補の統合」\cite{miyano-2023keiretu}(c)2023InformationProcessingSocietyofJapanおよびEMNLP$2023$のプロシーディング``Self-Ensembleof$N$-bestGenerationHypothesesbyLexicallyConstrainedDecoding''\cite{miyano-2023selfensemble}(c)$2023$AssociationforComputationalLinguistics(CCBY$4.0$)に基づく．}\renewcommand{\thefootnote}{\arabic{footnote}}
V17N02-01	外国語を翻字するときに，日本語や韓国語ではカタカナやハングルなどの表音文字を用いるのに対して，中国語では漢字を用いる．しかし，漢字は表意文字であるため，発音が同じでも漢字によって意味や印象は異なる可能性がある．この問題を解消するために，ユーザが与えた関連語に基づいて翻字に使用する漢字を選択する手法がある．しかしユーザの負担が大きいため，本研究は，翻字対象の関連語をWorldWideWebから自動的に抽出し，中国語への翻字に使用する手法を提案する．評価実験によって提案手法の有効性を示す．
V08N01-03	現在，統計的言語モデルの一クラスとして確率文脈自由文法(PCFG)が広く知られている．また，括弧なしコーパスからPCFGを訓練する方法としてInside-Outside(I-O)アルゴリズムが知られてきた．I-OアルゴリズムはPCFG用に効率化を施したEM(expectation-maximization)アルゴリズムだが，依然その計算速度に問題があることが知られている．本論文では，文法構造があらかじめ与えられていることを前提に，訓練過程を構文解析とEM学習に分離した高速EM学習法を提案する．その中間データ構造にパーザが生成するWFST(well-formedsubstringtable)を用いる．例えば，一般化LRパーザを用いると事前コンパイル・ボトムアップ探索による効率性，およびChomsky標準形を要求しないという一般性を引き継ぐことができる．一方EM学習では，WFSTのコンパクトさを利用して効率的なパラメタ推定が行なわれる．推定結果はI-Oアルゴリズムで得られるものと一致する．更に，文脈依存性を取り入れたPCFGの拡張モデルに対する多項式オーダのEM学習法を示す．また，ATR対話コーパスを用いて実験を行ない，訓練時間が大幅に短縮されていることを確認した．
V10N01-01	本論文では，固有表現抽出の難易度をテストコーパスから評価する指標を提案する．固有表現抽出システムの性能は客観的な指標によって評価される．しかし，システムの出力に対する評価だけでは，あるコーパスに対する固有表現抽出がどのように難しいのか，どのような情報がそのコーパスに対して固有表現抽出を行なう際に有効なのかを知ることは難しい．本論文で提案する指標は，個々のシステムの出力に依存することなく，複数のコーパスについて統一的に適用できる．指標の有効性は固有表現抽出システムの性能評価と比較することで検証される．さらに固有表現のクラス間における難易度の比較や，有用な情報の違いについても議論する．
V14N03-15	本論文では，Web上の評判情報を有益に活用するために，レビューなどの評価文書をポジティブ（おすすめ）とネガティブ（おすすめしない）という極性値に分類する手法を提案する．本手法では，全体評判情報と部分評判情報という2つのレベルで評判情報を捉える．全体評判情報とは評価文書の対象全般に関わる評価表現のことを指し，部分評判情報とは対象の一属性に関する評価表現のことを指す．全体評判情報の極性値は評価文書の極性値と一致すると考えられるため，まず全体評判情報を用いて評価文書を分類し，全体評判情報がない場合は部分評判情報を用いて分類する．これら2つのレベルの評判情報を考慮することで分類精度の向上が期待できる．さらに，これら2つのレベルの評判情報を用いることで，評判情報の信頼性評価の一手法を提案する．ここでは，評価文書の極性値とその中の部分評判情報の極性値が異なる場合にその部分評判情報は信頼性が高いと評価する．映画のレビューを用いた評価実験の結果，ナイーブベイズを用いた分類手法よりも本手法の方が良い結果が得られた．また，提案した評価指標が評価文書の信頼性評価の1つとなりうることを示唆した．
V07N03-04	日本語とウイグル語は共に膠着語であり，構文的に類似した点が多い．したがって，日本語からウイグル語への機械翻訳においては，形態素解析によって得られた各単語を逐語翻訳することにより，ある程度の翻訳が可能となる．しかし，従来の日本語文法は動詞が活用することを前提としていたため，ウイグル語への翻訳の前に，動詞の活用処理が必要であった．本論文では，日本語，ウイグル語を共に派生文法で記述することにより，日本語の活用処理を不要とすると同時に，両言語間の形態論的類似点を明確にし，単純でかつ体系的な機械翻訳が可能になることを示す．しかし，日本語とウイグル語との間の文法的差異から，単純な逐語翻訳では不自然な翻訳となる場合がある．本論文では，単語間の接続関係を考慮した訳語置換表を用いることによりこの問題を解決し，より自然な翻訳を実現した．さらに，この手法に基づく日本語--ウイグル語機械翻訳システムを作成した．このシステムでは，日本語形態素解析システムとウイグル語整形システムを，それぞれ独立のモジュールとして構成している．この設計は，他の膠着語間における翻訳にも応用可能であると考えられる．また，実験によりその翻訳精度を評価した．本論文では，特に両言語において文の中心的役割を果たす動詞句の翻訳について述べる．
V31N04-12	%本稿では，日本語ニュース記事の要約支援を目的とする，ドメイン特化事前学習済みモデルを用いた編集支援システムについて報告する．具体的には実社会のシステム要件を整理し，既存技術を組み合わせて開発した編集支援システムを，有用性を評価するための検証項目と共に提示する．第一に，特有の文体を再現する目的で「日経電子版」のニュース記事を用いてT5の事前学習とファインチューニングを行い，学習コーパスのサイズが小さいにもかかわらず，見出しと3行要約の生成タスクで一般的なモデルを上回る性能を確認した．次に，発生し得る幻覚の特徴を明らかにするために，構築したドメイン特化T5の出力を定量的・定性的に分析した．最後に，クリック率を予測するドメイン特化BERTも含め，編集システム全体の有用性を議論した．\renewcommand{\thefootnote}{}\footnote[0]{本稿の一部は，筆者らの既発表文献\cite{石原2022,ishihara2022ctr}をもとに構成した．}\renewcommand{\thefootnote}{\arabic{footnote}}
V28N04-12	%本研究では，数値気象予報のシミュレーション結果から天気予報コメントを自動生成するタスクに取り組む.天気予報コメントの生成タスクには，(i)様々な物理量の数値変化を考慮する必要がある，(ii)コメントの配信時刻や対象エリアに依存した表現が使われる，(iii)天気予報コメントにおいて情報の有用性が重要視されている，といった特徴的な課題がある．本研究では，数値気象予報のシミュレーション結果，気象観測値，コメントのメタ情報を入力として，上記の特徴を捉えた上でテキスト化するためのData-to-Textモデルを提案する．また，天気予報コメントにおける情報の有用性の向上のために，晴天や雨などの気象情報を表す「天気ラベル」を予測する内容選択モデルを導入し，予測結果をテキスト生成時に考慮することで有用な情報を明示的に記述できるようにした.実験では，自動評価と人手評価を行い，提案モデルはベースラインに対して情報の有用性の観点で最も優れていることを示した．
V10N03-07	本稿では，2001年に行なわれたSENSEVAL2コンテストの日本語辞書タスクでのわれわれの取り組みについて述べる．われわれは機械学習手法を用いるアプローチを採用した．この研究では数多くの機械学習手法と素性を比較検討し用いている．コンテストには，我々は，サポートベクトルマシン法，シンプルベイズ法，またそれらの組み合わせのシステム二つの合計4システムを提出し，組合わせシステムが参加システム中もっとも高い精度(0.786)を得た．コンテストの後，シンプルベイズ法で用いていたパラメータを調節したところさらに高い精度を得た．現在もっとも性能の高いシステムは二つのシンプルベイズ法を組み合わせたシステムであり，その精度は0.793である．また，本稿では素性を変更した実験もいくつか追加で行ない，各素性の有効性，特徴を調査した．その調査結果では文字列素性のみを用いても比較的高い精度が得られるなどの興味深い知見が得られている．また，関連文献も紹介し，今後の多義解消の研究のための有益な情報を提供した．
V09N02-01	意味解析を用いた情報検索の一手法を提案し，「判例」を検索対象とし日本語文章で記述した「問い合わせ文」を検索質問とした検索システム{\bfJCare}を開発する．本研究では，文章が表す内容を，語が格納されたノードと語間の関係(深層格)を表すアークからなる意味グラフとして捉え，判例文と問い合わせ文の意味グラフ間における位相同型部分の大きさをもとに，文章間の内容類似度を算出する．このとき検索の高速化・精度向上の目的で{\itView}という考え方を導入する．視点({\itView})により意味グラフを分割した{\itView}グラフの類似度を求めることで，内容的に関連性の低い文章間の計算時間，またそこから生まれるノイズを排除する．
V23N02-01	2つの系列が与えられたときに，系列の要素間での対応関係を求めることを系列アラインメントとよぶ．系列アラインメントは，自然言語処理分野においても文書対から対訳関係にある文のペアを獲得する対訳文アラインメント等に広く利用される．既存の系列アラインメント法は，アラインメントの単調性を仮定する方法か，もしくは連続性を考慮せずに非単調なアラインメントを求める方法かのいずれかであった．しかし，法令文書等の対訳文書に対する対訳文アラインメントにおいては，単調性を仮定せず，かつ対応付けの連続性を考慮できる手法が望ましい．本論文では，ある大きさの要素のまとまりを単位として系列の順序が大きく変動する場合にアラインメントを求めるための系列アラインメント法を示す．手法のポイントは，系列アラインメントを求める問題を組合せ最適化問題の一種である集合分割問題として定式化して解くことで，要素のまとまりの発見と対応付けとを同時に行えるようにした点にある．さらに，大規模な整数線形計画問題を解く際に用いられる技法である列生成法を用いることで，高速な求解が可能であることも同時に示す．
V08N03-01	これまで主に検討されてきた文書要約手法は，文集合から重要文を抽出するものである．この方法によれば，段落などを要約した結果として誤りのない文の集合が得られる．しかし，目的によっては更に要約率を上げるため，または段落などの単位での要約が不適当であるときなど，一文毎の簡約が必要となる場合がある．このような文書要約手法では，簡約文が日本語として自然な文であることが重要ppである．そこで本論文では，文の簡約を「原文から，文節重要度と文節間係り受け整合度の総和が最大になる部分文節列を選択する」問題として定式化し，それを解くための効率の良いアルゴリズムを提案する．本稿の定式化では簡約文の評価に文節間の係り受け整合度が用いられていることから，簡約結果は適切な係り受け構造を持つことが期待できる．したがって本手法を用いることにより，自然で正確な簡約文を高速に生成できる可能性がある．このアルゴリズムを実用するには，文節重要度と係り受け整合度の適切な設定が不可欠であるが，本稿ではこれらについては議論せず，アルゴリズムの導出と計算効率，実装法などに重点を置いて報告する．
V04N03-02	本稿では，語義の尤度パラメータの標本空間を，シソーラスに沿って動的に拡張することにより，動詞の多義性を解消する手法を提案する．提案手法では，尤度1位の語義と2位の語義とを比較し，尤度差が統計的に有意ならば，1位の語義を選ぶ．有意でなければ，シソーラスに沿って標本空間を一段拡張し，多義性解消を試みる．もし，最大の標本空間でも尤度差が有意でなければ，語義は判定しない．本稿の実験では，EDR日本語コーパスから頻度500以上の動詞74語を抽出し，延べで約89,000の動詞について多義性を解消した．このとき，最頻の語義を常に選ぶ場合の適合率は0.65，判定率は1.00であった．ただし，判定率とは，多義性の解消を試みたなかで，実際に語義が判定された割合である．クラスベースの手法と提案手法とを比較すると，分類語彙表を利用した場合には，適合率は共に0.71であったが，判定率は，クラスベースの手法が0.68，提案手法が0.73であった．EDR概念体系を利用した場合には，適合率は共に0.70であったが，判定率は，クラスベースの手法が0.76，提案手法が0.87であった．両者の判定率を比べると，提案手法の方が統計的に有意に高く，その有効性が示された．
V06N02-06	本研究では大規模コーパスが利用可能な新聞の読み上げ音声の認識のための精度の良い言語モデルの構築を実験的に検討した．N-gram言語モデルの改善を目指し，以下\mbox{の3つの点に注目した}．まずN-gram言語モデルはタスクに依存するので，タスクに関する大量のデータベースを用いて構築される必要があることに注目し，共通の大量データベースによる言語モデルをもとに，同一ジャンルの過去の記事を用いるタスク\mbox{適応化の方法とその有効性を示す}．次に，新聞記事は話題が経時的に変化するので，数日間〜数週間の直前の記事内容で言語モデルの適応化を行\mbox{なう方法とその有効性を}\mbox{示す．最後}に新聞テキストには，使用頻度の高い(特殊)表現や，固定的な言い回しな\mbox{どの表現(以下}，定型表現と呼ぶ)が多いことに注目し，複数形態素から成る定型表現を抽出し，\mbox{これを1形態素として捉えた上で}，\mbox{N-gram言語モデルを構築する方法を検}討し，有用性を示す．
V20N03-05	東日本大震災では安否確認や被災者支援のためにTwitterが活躍したが，一方で多種多様な情報が流通し，混乱を招いた．我々は，情報の信憑性や重要性を評価するには，ツイート空間の論述的な構造を解析・可視化し，情報の「裏」を取ることが大切だと考えている．本稿では，ツイートの返信および非公式\addspan{リツイート}（以下，両者をまとめて返信と略す）に着目し，ツイート間の論述的な関係を認識する手法を提案する．具体的には，返信ツイートによって，投稿者の「同意」「反論」「疑問」などの態度が表明されると考え，これらの態度を推定する分類器を教師有り学習で構築する．評価実験では，返信ツイートで表明される態度の推定性能を報告する．さらに，本手法が直接的に返信関係のないツイート間の論述的な関係の推定にも応用できることを示し，ツイート間の含意関係認識に基づくアプローチとの比較を行う．
V04N04-01	本論文は，動詞と主体の属性を用いて，複文中の連接関係を解析するモデルを作成し，評価した結果を述べる．複文中の連接関係の関係的意味は，接続詞，助詞等の接続の表現だけでは決まらず，曖昧性がある．例えば，助詞「て」による連接関係には，「時間的継起」のほかに「方法」，「付帯状態」，「理由」，「目的」，「並列」などがある．これらの関係的意味は，従属節や主節の述語の表している事象の意味タイプ，およびその組み合わせによって決まってくる．従って，動詞と名詞の意味的関係を表すために，動詞と名詞の意味分類を用いた格パターンがあると同様に，従属節と主節の連接関係にも，各々の節を構成する動詞と主体の属性を用いた連接関係パターンが存在すると考えることができる．本論文のモデルでは，従属節と主節の，動詞と主体の属性を用いて，連接関係の関係的意味を推定する．動詞の属性として，意志性，意味分類，慣用的表現，ムード・アスペクト・ヴォイス，主体の属性として，主節と従属節の主体が同一かどうか，無生物主体かどうかを用いた．このモデルを，技術文書に適用した結果，95\%の文が正しく解析できた．
V02N04-04	本論文では,話者の対象認識過程に基づく日本語助詞「が」と「は」の意味分類を行ない,これを一般化LR法に基づいて構文解析するSGLRパーザの上に実装し,その有用性を確認した結果について述べる.話者の対象認識過程とは,対象を認識し,それを言語として表現する対象を概念化し,対象に対する話者の見方や捉え方,判断等を識別する過程のことをいう.筆者らは,特に,三浦文法に基づいて考案された日本語の助詞「が」と「は」,及び「を」と「に」についての意味規則を考案し,これを用いてその規則の動作機構をDCGの補強項で実現し,SGLRパーザで実行できるようにしている.実験の結果,意味解析と構文解析の融合に成功し,構文的曖昧性を意味分類により,著しく削減できることがわかった.
V16N05-02	人名は検索語として，しばしば検索エンジンに入力される．しかし，この入力された人名に対して，検索エンジンは，いくつかの同姓同名人物についてのWebページを含む長い検索結果のリストを返すだけである．この問題を解決するために，Web検索結果における人名の曖昧性解消を目的とした従来研究の多くは，凝集型クラスタリングを適用している．一方，本研究では，ある種文書に類似した文書をマージする半教師有りクラスタリングを用いる．我々の提案する半教師有りクラスタリングは，種文書を含むクラスタの重心の変動を抑えるという点において，新規性がある．
V23N01-02	本稿では商品の属性値抽出タスクにおけるエラー分析のひとつの事例研究について報告する．具体的には，属性値辞書を用いた単純な辞書マッチに基づく属性値抽出システムを構築し，人手により属性値がアノテーションされたコーパスに対してシステムを適用することで明らかとなるFalse-positive,False-negative事例の分析を行った．属性値辞書は商品説明文に含まれる表や箇条書きなどの半構造化データを解析することで得られる自動構築したものを用いた．エラー分析は実際のオンラインショッピングサイトで用いられている5つの商品カテゴリから抽出した100商品ページに対して行った．そして分析を通してボトムアップ的に各事例の分類を行ってエラーのカテゴリ化を試みた．本稿ではエラーカテゴリおよびその実例を示すだけでなく，誤り事例を無くすために必要な処理・データについても検討する．
V21N02-06	意見分析の研究が盛んになり，世論調査，評判分析など，多岐にわたる応用が実現されている．意見分析の研究においては，他の言語処理研究と同様に，コーパスの重要性が指摘されている．意見分析研究のコーパスは，応用目的に応じて，対象とする文書ジャンルが変化し，アノテーションすべき意見の情報も変更する．現在，意見分析コーパスは，ニュース，レビュー，ブログなどの文書ジャンルを対象としたものが多い．一方で，対話型の文書ジャンルには焦点が当てられておらず，アノテーションについての明確な方針がない．本稿では，『現代日本語書き言葉均衡コーパス』に含まれるコミュニティQAの文書を対象として，詳細な分類タイプに基づく意見情報ならびに関連した情報のアノテーションを行い，コーパスを作成する．また，複数のアノテーション情報を重ね合わせることにより，コーパス中の質問や回答に現れる意見の特徴を明らかにすることで，ドメインを横断した意見分析や，意見質問の応答技術といった，現在の意見分析研究が直面している難しい課題に対する新たな知見を提供できることを示す．
V06N07-06	長文の係り解析の精度向上は,自然言語処理において重要な課題の一つである.我々はすでに,連体形形容詞周りの「が」「の」格に関して,以下の３つのパターンに分類される７つの係りを規定するルールを見つけだした.\begin{itemize}\item前後の名詞のみで係りが決まる.\item前後の名詞と形容詞の関係で係りが決まる.\item形容詞そのものの属性で係りが決まる.\end{itemize}本論文では,形容詞を網羅的に分析できるようにするために,国立国語研究所での形容詞の体系的分類に従い分析対象形容詞を選択しその係りを調べた.それらの形容詞に対し７つのルールの妥当性を検証し拡張する.また,対象形容詞を増やすことにより２つの新たなルールを検出することができた.これら,分類を網羅するように選択した形容詞に対しても約９５％の精度で係りを決めることができた.
V06N06-01	本稿では，これまでの(主に領域に依存しない)テキスト自動要約手法を概観する．特に重要箇所の抽出を中心に解説する．また，これまでの手法の問題点を上げるとともに，最近自動要約に関する研究で注目を集めつつある，いくつかのトピックについてもふれる．
V22N05-01	語義曖昧性解消の誤り分析を行う場合，まずどのような原因からその誤りが生じているかを調べ，誤りの原因を分類しておくことが一般的である．この分類のために，分析対象データに対して分析者7人が独自に設定した誤り原因のタイプを付与したが，各自の分析結果はかなり異なり，それらを議論によって統合することは負荷の高い作業であった．そこでクラスタリングを利用してある程度機械的にそれらを統合することを試み，最終的に9種類の誤り原因として統合した．この9種類の中の主要な3つの誤り原因により，語義曖昧性解消の誤りの9割が生じていることが判明した．またタイプ分類間の類似度を定義することで，統合した誤り原因のタイプ分類が，各自の分析結果を代表していることを示した．また統合した誤り原因のタイプ分類と各自の誤り原因のタイプ分類を比較し，ここで得られた誤り原因のタイプ分類が標準的であることも示した．
V03N03-02	本稿では，比喩の理解過程における再解釈の段階について考察した．名詞の意味を確率を利用して表現した．比喩表現の意味は，喩詞の意味に影響された被喩詞の意味である．被喩詞の意味と比喩表現の意味との違いを示す指標として，明瞭性と新奇性とを情報量を用いて定義した．明瞭性が大きい値となるときは，比喩表現において属性に関する不確定さが減少したときである．新奇性が大きい値となるときは，比喩表現が稀な事象を表わすときである．SD法により比喩表現の意味を測定し，明瞭性と新奇性とを求めた．明瞭性が属性の顕著性のパターンに対応する数値であることと，明瞭性と新奇性とが比喩の理解容易性の指標として適当であることとを示した．
V07N04-04	動詞を含む連体修飾表現を``$N_1のN_2$''という表現に言い換える手法を提案する.動詞を含む連体修飾節は,各文を短縮する既存の要約手法において,削除対象とされている.ところが,連体修飾節の削除によって,その名詞句の指示対象を同定することが困難になる場合がある.それを表現``$N_1$の$N_2$''に言い換えることで,名詞句の意味を限定し,かつ,字数を削減することが可能である.言い換えは,動詞を削除することによって行う.表現``$N_1のN_2$''では,語$N_1$と$N_2$の意味関係を示す述語が省略されている場合がある.この省略されうる述語を,削除可能な動詞として2種類の方法により定義した.一方では,表現``$N_1のN_2$''の意味構造に対応する動詞を,シソーラスを用いて選択した.また,他方では,ある語から連想される動詞を定義した.ただし,コーパスから,名詞とそれが係る動詞との対を抽出し,共起頻度の高いものを,名詞から動詞が連想可能であると考えた.これらの削除可能な動詞を用いた言い換えを評価したところ,再現率63.8\%,適合率61.4\%との結果を得た.さらに,言い換え可能表現の絞り込みを行うことによって適合率は82.9\%に改善することが可能であることを示す.
V21N02-05	「誰がいつどこで何をする」という文に「ない」や「ん」，「ず」などの語が付くと，いわゆる否定文となる．否定文において，否定の働きが及ぶ範囲をスコープと呼び，その中で特に否定される部分を焦点と呼ぶ．否定の焦点が存在する場合，一般にその焦点の箇所を除いた文の命題は成立する．それゆえ，自然言語処理において，否定の焦点が存在するか，および，どの部分が否定の焦点になっているかを自動的に判定する処理は，含意認識や情報抽出などの応用処理の高度化のために必要な技術である．本論文では，否定の焦点検出システムを構築するための基盤として，日本語における否定の焦点をテキストにアノテーションする枠組みを提案し，構築した否定の焦点コーパスについて報告する．否定文において否定の焦点を判断するための基準を提案し，否定の形態素および焦点の部分にアノテーションすべき情報について議論する．否定の焦点の判断には，「は」や「しか」などのとりたて詞や前後の文脈などが手がかりとなるため，これらを明確にアノテーションする．我々は，提案するアノテーション体系に基づいて，楽天トラベルのレビューデータと『現代日本語書き言葉均衡コーパス』内の新聞を対象としてアノテーションコーパスを構築した．本論文では，コーパス内に存在する1,327の否定に対するアノテーション結果を報告する．
V15N04-04	本研究は，実データに基づいた形容詞の観点からみた概念体系の自動構築をめざし，その一環として，形容詞概念の階層関係構築に焦点を当てたものである．包含関係の尺度によって上位下位関係を求め，その単語間の上位下位関係に基づき概念階層を自動構築した．結果については，カバー率などの表層的な面と，階層の作られ方についての質的な面での評価を行った．階層の質的な面での評価にあたって，概念の継承関係と事例（形容詞）の各概念の成員としての連続性という観点から心理実験を行い，既存の人手によって作られたEDR辞書の階層と比較した．実験手法はScheffeの一対比較法を用いた．その結果，自動構築がよい，あるいは既存の辞書と有意差がないと判断された階層は，全体の43\%となった．抽出した概念数の不足や階層構築の際の問題点など課題も抱えているが，自動生成の階層が既存辞書の階層に対して，その結果の半分弱の階層で問題を提起するという意味で，ベースラインとなる数値と考える．
V06N06-03	複数の関連記事に対する要約手法について述べる．記事の第一段落を用いて，その重複部・冗長部を削除することにより複数の関連記事をどの程度要約できるかを明確にすることを目的とする．さらに，重複部・冗長部を特定，削除する処理をヒューリスティックスにより実現する手法を提案する．まず，新聞記事における推量文の一部は重要度が低いと考えられ，これを文末表現ならびに手掛り語で特定し，削除する．次に，詳細な住所の表現は記事の概要を把握するためには不必要であり，これも削除する．さらに，導入部と呼ぶ部分を定義し，導入部内の名詞と動詞が他記事の文に含まれるならば導入部は重複しているとし，削除する．また，頻繁に出現する人名・地名に関する説明語句，括弧を用いた表現について，他記事との重複を調べる．重複している部分は，1つを残し他は削除する．提案手法を計算機に実装し，実験を行った．その結果，27記事群に対して各記事の第一段落を平均要約率82.1\%で要約することができた．さらに，実験結果のうち6記事群を用いて評価者11人に対してアンケートを行い評価した．アンケートの内容は，要約文章において冗長に感じる箇所，ならびに削除部分を含めた元記事において重要と考えられるが削除されている箇所を指摘する，である．アンケート調査の結果，本手法による要約がおおむね自然であることを確認した．また，本手法によって削除された部分がおおむね妥当であることが明らかになった．
V12N04-03	本論文では，構造化された言語資料の検索・閲覧を指向した全文検索システムである『ひまわり』の設計，および，その実現方法を示す。ここで言う「構造化された言語資料」とは，コーパスや辞書のように，言語に関する調査，研究などに利用することを目的として，一定の構造で記述された資料一般を指す。『ひまわり』は，言語資料の構造化形式の多様性と利用目的の多様性に対応した設計がなされている。構造化形式の多様性については，言語資料がXMLで構造化されていることを想定して，XML文書に対する全文検索機能を実現した。全文検索に付け加えて，マークアップされている情報の抽出や抽出された情報に基づく検索結果の制約を行うことも可能である。また，SuffixArrayなどの索引を用いて，検索の高速化を図っている。一方，言語資料に適した検索式と閲覧形式を柔軟に定義できるようにすることにより，利用目的の多様性に対処した。閲覧形式は，KWIC表示機能を備えた表形式での閲覧を基本とし，ルビなどの通常のテキストでは表現できない表示形式や音声，画像に対しては，XSL変換などを介して外部閲覧システムにデータを受け渡す方法を用いる。多様性に対する『ひまわり』の有効性を検証するために，『分類語彙表』，および，『日本語話し言葉コーパス』に『ひまわり』を適用し，定性的な評価を行うとともに，検索速度測定による定量的な評価を行った。
V03N02-01	終助詞「よ」「ね」「な」は，書き言葉の文には殆んど用いられないが，日常会話において頻繁に使われており，文全体の解釈に及ぼす影響が大きい．そのため，機械による会話理解には，終助詞の機能の研究は不可欠である．本論文では，代表的な終助詞「よ」「ね」「な」について，階層的記憶モデルによる終助詞の機能を提案する．まず，終助詞「よ」の機能は，文の表す命題が発話以前に記憶中のある階層に存在することを表すことである．次に，終助詞「ね」「な」の機能は，文の表す命題を記憶中に保存する処理をモニターすることである．本稿で提案する機能は，従来の終助詞の機能が説明してきた終助詞「よ」「ね」「な」の用法を全て説明できるだけでなく，従来のものでは説明できなかった終助詞の用法を説明できる．
V09N03-07	\quadシステムの出力した要約そのものを評価する方法は，一般に内的な評価と呼ばれている．これまでの典型的な内的な評価の方法は，人手で作成した抜粋と要約システムの出力との一致度を，F-measure等の尺度を用いて測ることで行われてきた．しかし，F-measureは，テキスト中に類似の内容を含む文が複数存在する場合，どちらの文が正解として選択されるかにより，システムの評価が大きく変化する，という問題点がある．本研究では，この問題点を解消するいくつかの評価方法をとりあげ，その有用性に関する議論を行う．F-measureの問題点を解消する評価方法の1つにutilityに基づく評価があるが，この方法では評価に用いるデータ作成にコストがかかるという問題がある．本研究では，あるテキストに関する複数の要約率のデータを用いることで，疑似的にutilityに基づく評価を実現する方法を提案する．提案する評価方法を，第2回NTCIRワークショップ自動要約タスク(TSC)のデータに適用し，有用性に関する調査を行った結果，提案方法は，F-measureの問題点をある程度改善できることが確認された．次に，F-measureの問題点を解消する他の評価方法の一つであるcontent-basedな評価を取り上げる．content-basedな評価では，指定された要約率の正解要約を一つだけ用意すれば評価可能であるため，utilityに基づく評価に比べ，被験者への負荷が少ない．しかし，この評価方法で2つの要約を比較する場合，どの程度意味があるのかについては，これまで十分な議論がなされていない．そこで，pseudo-utilityに基づく評価と同様にTSCのデータを用い，content-basedな評価の結果を被験者による主観評価の結果と比較した結果，2つの要約がcontent-basedな評価値で0.2以上の開きがあれば，93\%以上の割合で主観評価の結果と一致することが分かった．
V10N01-05	近年，インターネットや大容量の磁気デバイスの普及によって，大量の電子化文書が氾濫している．こうした状況を背景として，文書要約技術に対する期待が高まってきている．特に，ある話題に関連する一連の文書集合をまとめて要約することが可能となれば，人間の負担を大きく軽減することができる．そこで本稿では，特定の話題に直接関連する文書集合を対象とし，機械学習手法を用いることによって重要文を抽出する手法を提案する．重要文抽出の手法としては近年，自然言語処理研究の分野でも注目されている機械学習手法の1種であるSupportVectorMachineを用いた手法を提案する．毎日新聞99年1年分より選んだ12話題の文書集合を用意し，それぞれの話題から総文数の10\,\%，30\,\%，50\,\%の要約率に応じて人手により重要文を抽出した正解データセットを異なる被験者により3種作成した．このデータセットを用いて評価実験を行った結果，提案手法の重要文抽出精度は，Lead手法，TF$\cdot$IDF手法よりも高いことがわかった．また，従来より複数文書要約に有効とされる冗長性の削減が，文を単位とした場合には，必ずしも有効でないこともわかった．
V14N02-01	本論文ではWeb上の情報を利用し，自動的に関連語のシソーラスを構築する手法を提案する．検索エンジンを利用し，$\chi^2$値による語の関連度の指標を用い，従来のWebを用いた関連度の指標の問題点を解決する．また，新しいクラスタリング手法であるNewman法を用いて語のネットワークをクラスタリングすることで，従来手法より適切に関連語を同定する．コーパスおよび既存のシソーラスから生成した関連語正解セットを用い，提案手法の効果についての検証を行う．
V24N03-06	本稿は，自動単語分割における精度向上を実現するために，非テキスト情報とその説明文に対するシンボルグラウンディングを用いた新しい単語分割法を提案する．本手法は，説明文が付与された非テキスト情報の存在を仮定しており，説明文を擬似確率的単語分割コーパスとすることで，非テキスト情報と分野固有の単語との関係をニューラルネットワークにより学習する．学習されたニューラルネットワークから分野固有の辞書を獲得し，得られた辞書を単語分割のための素性として用いることでより精度の高い自動単語分割を実現する．将棋局面が対応付けされた将棋解説文から成る将棋解説コーパスを用いて実験を行い，シンボルグラウンディングにより得られた辞書を用いることで単語分割の精度が向上することが確認できた．
V17N04-08	現在，機械翻訳システムの分野において，対訳データから自動的に翻訳モデルと言語モデルを獲得し，翻訳を行う統計翻訳が注目されている．翻訳モデルでは，原言語の単語列から目的言語の単語列への翻訳を，フレーズテーブルで管理する．しかしフレーズテーブルはプログラムで自動作成するため，カバー率は高いが信頼性は低いと考えられる．一方，手作業で作成した翻訳対は，信頼性は高いがカバー率は低いと考えられる．そこで，それぞれの長所を生かすために，プログラムで自動作成したフレーズ対に手作業で作成した翻訳対を追加することで翻訳精度が向上すると考えた．実験では，手作業で作成された約13万の翻訳対に翻訳確率を与え，プログラムで自動作成したフレーズテーブルに追加した．翻訳実験の結果，BLEUスコアが，日英翻訳の単文では0.9\%，重複文では0.8\%向上した．また人間による対比較実験を行ったところ，有効性が確認された．以上の結果から，統計翻訳において手作業で作成した翻訳対を追加する提案手法は有効であることが示された．
V29N03-09	%本解説論文では，特許を対象とした機械翻訳における種々の課題に対する関連技術の解説を行う．特許に対する機械翻訳は実用的にも学術的にも長い歴史を持つが，ニューラル機械翻訳の登場で新たな段階に進んできたと言える．そうした動向を踏まえ，訳抜け・過剰訳への対策，用語訳の統一，長文対策，低リソース言語対対策，評価，翻訳の高速化・省メモリ化，の6項目に分けて近年の関連技術を紹介し，今後の方向性を論じる．
V27N03-04	%本論文では，ニューラル機械翻訳(NMT)の性能を改善するため，原言語側と目的言語側両方の係り受け関係を捉えるdependency-basedself-attentionを組み込んだ新しいTransformerNMTモデルを提案する．Dependency-basedself-attentionはlinguistically-informedself-attention(LISA)から着想を得ており，各単語のアテンションが係り先の単語となるように，Transformerのself-attentionを係り受け関係に基づいた制約を与えて学習させる．LISAは，意味役割付与の性能を改善するため，Transformerエンコーダ向けに設計されているが，本論文ではLISAをTransformerNMTに拡張する．具体的には，デコーダ側のdependency-basedself-attentionを訓練する際に後方の単語に係る係り受け関係をマスクすることで，訓練時と推論時との不整合を解消する．さらに，我々の提案するdependency-basedself-attentionは，bytepairencodingのようなサブワード単位での演算が可能である．AsianScientificPaperExcerptCorpus(ASPEC)の日英・英日翻訳タスクの評価実験により，Dependency-basedself-attentionを組み込んだ提案モデルは，従来のTransformerNMTモデルと比較して，それぞれ1.04ポイント・0.30ポイントBLEUスコアが上昇することを示す．
V03N03-01	自然言語処理システムに求められている分析性能が向上するにつれて，そのシステムで用いる文法規則や辞書データといった言語知識ベースも複雑化，巨大化してきた．一方，自然言語処理システムを用いる応用分野がますます多様化することが予想され，応用分野ごとに新たな分析性能が要求される．言語知識ベースにおいても追加と修正の作業が発生する．しかし，現状では，その開発には多数の人員と多くの時間を必要とするため，言語知識ベースの再構築は困難な作業である．応用分野に適合するシステムを，より効率的に開発する手段が必要である．そのためには，融通性を持ち容易に修正できる文法規則や辞書データの作成技法と，作成された言語知識ベースの保守性の向上を図る必要がある．この課題は，応用分野の多様化に伴う需要と規模が増大する中でますます重要となっている．この稿では，この技術課題に対して，言語知識ベースのうち，文法規則の系統的な記述の方法を提案し，その方法に従って作成した機械処理を指向した文法規則について述べる．まず，形態素と表層形態の概念区分をした上で，日本語の持つ階層構造に注目した．形態素の述部階層位置との関係から，表層での形態の現れ方を構文構造に結び付ける形態構文論的な文法作成のアプローチを採用し，文法規則の開発手続きを確立した．融通性を持ち容易に修正できることを例証するため，試作した文法規則を新聞の論説文の分析に適用し，分析の出来なかった言語現象を検討した．そして，その言語現象を取り上げて，これを新たな分析性能を満たす要求仕様と見なし，同じ手続きを用いて文法規則を拡張した．この結果，拡張した文法規則の分析性能が漸増していることを確認した．系統的な記述の手続きに従うことによって，文法規則記述の一貫性を維持しながら，その分析性能を向上させることが可能となった．このため工学上，文法規則の開発作業手順に一般性が生じ，開発時間を短縮することができる．試作した文法規則は実際に計算機上に実装している．本稿は機械処理を指向した文法規則記述のノウハウを体系化する試みとして位置づけられる．
V16N05-01	言語モデルの分野適応において，適応対象の分野の単語境界情報のない生コーパスの有効な利用方法として，確率的単語分割コーパスとしての利用が提案されている．この枠組では，生コーパス中の各文字間に単語境界が存在する確率を付与し，それを用いて単語$n$-gram確率などが計算される．本論文では，この単語境界確率を最大エントロピー法に基づくモデルによって推定することを提案する．さらに，確率的単語分割コーパスを従来の決定的に単語に分割されたコーパスで模擬する方法を提案し，言語モデルの能力を下げることなく計算コストが大幅に削減できることを示す．
V08N02-03	コンピュータに人間のような常識的判断を行わせるための主要素は，概念ベースおよび概念間の関連性に基づく概念連鎖機能であると考えられる．概念ベースは，自動学習などにより恒常的に拡張・精錬を行わなければならないために，その構造はできるだけ単純なものが望ましい．本論文では，概念間の関連度を評価するための新しい手法を提案している．従来の手法では，概念はその１次属性のベクトルモデルとして表現され，関連度はベクトル間の内積により求められている．そのような従来手法では，各１次属性をカテゴリーに変換しなければならないためシソーラスなどのカテゴリーデータベースが必要となる．提案手法では，関連度をカテゴリーを利用せず概念連鎖により求めている．約４万の概念よりなる概念ベースを用いた実験により，提案手法はベクトル内積を用いる方法に比べ正解率の面でやや優れる上に，概念知識の追加/変更が容易で利用を通じての質の向上が図れることを示した．
V09N03-03	文内要約の一要素技術として，連用修飾表現の省略可能性に関する知識を獲得する手法を提案する．具体的には，省略できる可能性のある連用修飾表現を含む節に対して，同一の動詞をもち，かつ，格助詞出現の差異が認められる節をコーパスから検索し，検索された節対から省略可能な連用修飾表現を認定する．また，連用修飾表現の内容および前後の文脈を考慮して，重要な情報が多く含まれている連用修飾表現に対しては省略可能と認定できる可能性を低く，逆に，認定対象としている連用修飾表現に，それより以前の文に存在する情報が含まれている場合に対しては，省略可能と認定できる可能性が高くなるような工夫を施した．本手法によって省略可能と認定された連用修飾表現を評価したところ，適合率78.0\%，再現率67.9\%との結果を得た．また，本手法を，格フレーム辞書によって動詞に対する任意格として記述される格要素を，省略可能な連用修飾表現として認定する手法と比較した．その結果，適合率，再現率ともに比較手法より良好な結果を得ることができ，提案手法の有効性を確認した．
V04N02-06	本稿では,文脈依存の度合いに注目し,重要パラグラフを抽出する手法を提案する.本手法では,Luhnらにより提唱されたキーワード密度方式と同様,「主題と関係の深い語はパラグラフを跨り一貫して出現する」という前提に基づく.我々は,文脈依存の度合,すなわち,記事中の任意の語が,設定された文脈にどのくらい深く関わっているかという度合いの強さを用いることで,主題と関係の深い語を抽出し,その語に対し重み付けを行なった.本手法の精度を検証するため人手により抽出したパラグラフと比較した結果,抽出率を30\%とした場合,50記事の抽出総パラグラフ数84に対し75パラグラフが正解であり,正解率は89.2\%に達した.
V05N03-05	\quad本論文では，構文解析の曖昧性解消を行うために，構文的な統計情報と語彙的な統計情報を統合する手法を提案する．我々が提案する統合的確率言語モデルは，構文的優先度などの構文的な統計情報を反映する構文モデルと，単語の出現頻度や単語の共起関係などの語彙的な統計情報を反映する語彙モデルの2つの下位モデルから成る．この統合的確率言語モデルは，構文的な統計情報と語彙的な統計情報を同時に学習する過去の多くのモデルと異なり，両者を個別に学習する点に特徴がある．構文的な統計情報と語彙的な統計情報を独立に取り扱うことにより，それぞれの統計情報を異なる言語資源から独立に学習することができるだけでなく，それぞれの統計情報が曖昧性解消においてどのような効果を果たすのかを容易に分析することができる．この統合的確率言語モデルを評価するために，日本語文の文節の係り受け解析を行った．構文モデルを用いたときの文節の正解率は73.38\%となり，ベースラインに比べて11.70\%向上した．また，構文モデルと語彙モデルを組み合わせることにより，文節の正解率はさらに10.96\%向上し84.34\%となった．この結果，本研究で提案する枠組において，語彙的な統計情報は構文的な統計情報と同程度に曖昧性解消に貢献することを確認した．
V08N04-03	コンピュータで言語処理を行なうとき，構文解析や意味解析だけでなく人間が持つ一般的な知識や当該分野の背景的知識などの情報が必要になる．本研究では，人間の持つ知識を調べるため連想実験を行ない連想概念辞書として構造化した．連想実験では，小学生の学習基本語彙中の名詞を刺激語とし，刺激語と「上位概念，下位概念，部分・材料，属性，類義語，動作，環境」の7つの課題から連想語を収集する．従来の電子化辞書は木構造で表現され，概念間の距離は階層の枝の数を辿る回数をもとに計算するなど構造に依存したものであったが，連想概念辞書では連想実験から得られるパラメータをもとに，線形計画法によって刺激語と連想語の距離を定量化した．また距離情報を用い，「果物」「野菜」「家具」などの日常頻出語を中心として3〜4階層をなす刺激語の連想語(上位/下位概念)のつながりを調べた．この連想概念辞書とEDR電子化辞書，WordNetの比較を，上位/下位階層をなす概念間の距離を求めることで行なった．連想概念辞書とWordNetは，ある程度近い概念構造を持っており，一方EDRは他の2つとは異なる特徴の構造を持っていることがわかった．
V03N04-02	日本語を英語に翻訳する時には，日本語にはないが英語では必要な冠詞や数の問題に直面する．この難しい問題を解決するために，われわれは文章における名詞句の指示性と数をそれぞれ三種類に分類した．指示性には総称名詞句，定名詞句，不定名詞句を設け，数には単数，複数，不可算を設けた．この論文では，名詞句の指示性と数がその名詞句の現れる文中の言葉によりかなりの程度推定できることを示した．その推定のための規則は確信度付きのエキスパートシステムの書き換え規則に類する形で，文法書などから得られる知識をもとに経験的に作成した．この方法は，確信度を用いて推定するので，指示性や数のような曖昧な問題には適した方法である．規則を作るのに利用したテキストでの正解率は，指示性で85.5\%，数で89.0\%であった．規則を作るのに利用していないいくつかのテキストでの正解率は平均して指示性で68.9\%，数で85.6\%という結果となった．この指示性と数は冠詞の決定に利用されるのみならず，照応処理，談話解析にも利用されていくと考えられる．
V17N04-06	音声合成をより使いやすくかつ表現力豊かにするために，我々は階層型音声合成記述言語MSCLを開発した．MSCLは記述という方法によりニュアンスや心情，感情などを合成音声に付加することが可能である．MSCLはS層，I層，P層の3つの階層を有し，初学者から音声学的知識を有する者まで対応可能にする．一方，MSCLのS層が提供する新たなコマンドの作成手法そしてI層に備わる韻律制御コマンドによって生じる聴感上の効果（印象）の検討はMSCLにおける課題となっていた．そこで，本研究はMSCLの課題である韻律制御と印象の関係について実験を通じて見出した，8つの制御規則を提案し，それぞれの主な印象について連想法を通じて分析した．また，制御規則を組み合わせて得られる印象の変化についても分析を行った．さらに，韻律制御コマンドを利用する上での留意点について言及する．音声合成での韻律制御を行うための1つのアプローチを提案する．
V10N05-05	用例ベース翻訳を実現するためには，大量の用例が必要である．本研究は，対訳文を用例として利用できるようにするために，対訳文に対して句アライメントを行なう手法を提案する．従来の句アライメントでは，語アライメントを得てから，その情報をもとに句アライメントに拡張する手法が方式が多かった．本手法では基本句という文節に相当する単位を導入して，基本句間のアライメントを行なう．実験を行なった結果，良好な結果を得た．
V29N03-06	BERTはfine-tuningすることで様々なNLPタスクに対して高性能な結果を出した事前学習済みモデルであるが，多くのパラメータを調整する必要があるため学習や推論に時間がかかるという問題がある．本論文では日本語構文解析に対して，BERTの一部の層を削除した簡易小型化BERTの利用を提案する．実験では，京都大学ウェブ文書リードコーパスと京都大学テキストコーパスを混合したデータを用いて，京大版のBERTとそこから構築した簡易小型化BERTの正解率と処理時間を比較した．提案する簡易小型化BERTでは，京大版のBERTからの正解率の劣化をウェブコーパスで0.87ポイント，テキストコーパスで0.91ポイントに押さえながら，学習時間は83\%，推論時間はウェブコーパスで65\%，テキストコーパスで85\%まで削減することができた．
V29N01-05	%人間は対話においてしばしば相手の質問や発話に対して間接的な応答をする．例えば，予約サービスにおいてユーザがオペレータに対して「あまり予算がないのですが」と応答した場合，オペレータはその応答には間接的に「もっと安い店を提示してください」という意図が含まれていると解釈できる．大規模な対話コーパスを学習したニューラル対話モデルは流暢な応答を生成する能力を持つが，間接的な応答に焦点を当てたコーパスは存在せず，モデルが人間と同様に間接的な応答を扱うことができるかどうかは明らかではない．本研究では既存の英語対話コーパスであるMultiWoZを拡張し，71,498件の間接的応答と直接的応答の対からなる対話履歴付きパラレルコーパスを構築した．また，間接的な応答を扱う能力を評価するための3つのベンチマークタスクを設計し，最新の事前学習済みモデルの性能を調査した．さらに，ユーザーの間接的な発話を事前に直接的な発話に変換することで対話応答生成の性能が向上することを確認した．\blfootnote{本論文の内容の一部は，情報処理学会第249回自然言語処理研究会\cite{DIRECT_NL}およびFindingsoftheAssociationforComputationalLinguistics:EMNLP2021\cite{DIRECT_EMNLP}で報告したものである．}
V09N03-05	本研究では，要約文とその要約文を作成するために使用された表現を含む原文とを自動的に対応付ける手法を用いて，人間が要約文を作成する上で，要約元となった原文をどのように再構成するかを調査した．対応付けに用いた手法は，かかり受け構造の解析結果を利用し，要約文とその対応文との間の対応付けを文節単位で行う．また，要約文1文に対して，要約元文章中の複数文を対応付けすることを許して対応付けが可能である．調査した対象は，複数の作業者が新聞の社説を要約したデータである．このデータに対して，対応付け手法を実際に適用した．対応付けの結果，要約元文章で用いられていなかったり，元文章でかかり受け関係がなかった表現が要約文に用いられていた場合に，それらの表現を構成する文節は未対応となる．そこで，そのような要約文中で未対応になった文節がどのように生成されたかを，計算機でも処理可能な操作を主眼に分類・整理して考察した．その結果，要約原文のかかり受け構造は，要約文においても保存されることが多く，要約文に新しく出現する表現の多くは，複数の原文から１つの要約文を作成する文結合操作と，単文節を中心とした言い換え操作により生成されることがわかった．
V30N02-02	%\vspace{-3pt}単語は時期や分野の違いによって異なる意味や用例を持つことがあり，自然言語処理の分野では単語分散表現を用いた検出が行われている．最近では文脈の情報を考慮した単語分散表現を生成できるBERTなどを用いた研究も盛んに行われているが，大規模な計算資源のない言語学者や社会学者などはこのような手法を適用するのが難しい．本稿では，既存の文書間で同時に単語分散表現を学習する手法を拡張して，2つの文書間における単語の意味の違いを検出するタスクに取り組んだ．実験の結果より，我々の手法が英語での実験やSemEval-2020Task1だけでなく，これまで行われていない日本語の実験においても既存手法と同等またはそれ以上の性能を示した．また，各手法が単語分散表現の獲得までにかかる訓練時間の比較を行った結果，提案した手法が既存手法よりも高速に学習できることを示した．さらに，提案した単語分散表現獲得手法を用いて，日本語のデータにおいて意味変化した単語や意味変化の種類，傾向などの網羅的な分析も行った．\renewcommand{\thefootnote}{}\footnote[0]{本稿の一部の内容は，The35thPacificAsiaConferenceonLanguage,InformationandComputation\cite{aida-etal-2021-comprehensive}および言語処理学会第27回年次大会\cite{aida-etal-2021-diachronic}にて発表したものである．}\renewcommand{\thefootnote}{\arabic{footnote}}
V27N04-05	本研究では，日本語の語彙平易化のために，評価用データセット・辞書・実装や評価を支援するツールキットの3種類の言語資源を整備する．我々は既存の小規模な単語難易度辞書をもとに単語難易度の推定器を訓練し，大規模な日本語の単語難易度辞書および難解な単語から平易な単語への言い換え辞書を自動構築する．本研究で構築する評価用データセットを用いた評価実験によって，この辞書に基づく語彙平易化システムが高い性能を達成することを示す．我々のツールキットは，辞書の他，語彙平易化パイプラインにおける主要な手法を実装しており，これらの手法を組み合わせたシステムの構築および構築したシステムの自動評価の機能を提供する．
V10N01-03	レレバンスフィードバックは検索者が与えた検索条件を利用してシステムが選択する文書(サンプル文書)について，検索者が必要文書と不要文書を選択し，フィードバックすることで，より正確な文書検索を実現する手法である．レレバンスフィードバックによる検索精度はフィードバックの対象となるサンプル文書の選択方法によって異なる．通常のレレバンスフィードバックでは検索要求との関連が最も強いと推定される文書をサンプルとするレレバンスサンプリングが用いられるが，これに対して必要文書か不要文書かを分類するのが難しい文書をサンプルとするuncertaintyサンプリングが提案され，より高い検索精度が得られると報告されている．しかしいずれのサンプリング手法も複数の類似した文書をサンプルとして選択することがあるため，検索精度が十分に向上しない恐れがあった．本稿ではレレバンスサンプリングおよびuncertaintyサンプリングを改良する手段としてunfamiliarサンプリングを提案する．unfamiliarサンプリングは既存のサンプリング手法において，新たにサンプルとして加える候補と既存のサンプルの文書間距離を評価し，既存サンプルの最近傍であればサンプルから排除する．この処理により，既存サンプルと類似した文書が排除されることにより検索精度が向上される．レレバンスフィードバックを用いた文書検索においては，少数のサンプル文書で高い精度を得ることが重要になる．本稿ではAdaBoostにおいてRocchioフィードバックを弱学習アルゴリズムとして用いる手法を提案し，これをRocchio-Boostと呼ぶ．NPLテストコレクションを用いた実験の結果，unfamiliarサンプリングによるサンプリング手法の改良とRocchio-Boostにより従来のRocchioフィードバックとレレバンスサンプリングに対して平均適合率を6\,\%程度向上できることが分かった．

End of preview. Expand in Data Studio

NLPJournalTitleAbsRetrieval

An MTEB dataset

Massive Text Embedding Benchmark

This dataset was created from the Japanese NLP Journal LaTeX Corpus. The titles, abstracts and introductions of the academic papers were shuffled. The goal is to find the corresponding abstract with the given title.


Task category	t2t
Domains	Academic, Written
Reference	https://github.com/sbintuitions/JMTEB

How to evaluate on this task

You can evaluate an embedding model on this dataset using the following code:

import mteb

task = mteb.get_tasks(["NLPJournalTitleAbsRetrieval"])
evaluator = mteb.MTEB(task)

model = mteb.get_model(YOUR_MODEL)
evaluator.run(model)

To learn more about how to run models on mteb task check out the GitHub repitory.

Citation

If you use this dataset, please cite the dataset as well as mteb, as this dataset likely includes additional processing as a part of the MMTEB Contribution.



@article{enevoldsen2025mmtebmassivemultilingualtext,
  title={MMTEB: Massive Multilingual Text Embedding Benchmark},
  author={Kenneth Enevoldsen and Isaac Chung and Imene Kerboua and Márton Kardos and Ashwin Mathur and David Stap and Jay Gala and Wissam Siblini and Dominik Krzemiński and Genta Indra Winata and Saba Sturua and Saiteja Utpala and Mathieu Ciancone and Marion Schaeffer and Gabriel Sequeira and Diganta Misra and Shreeya Dhakal and Jonathan Rystrøm and Roman Solomatin and Ömer Çağatan and Akash Kundu and Martin Bernstorff and Shitao Xiao and Akshita Sukhlecha and Bhavish Pahwa and Rafał Poświata and Kranthi Kiran GV and Shawon Ashraf and Daniel Auras and Björn Plüster and Jan Philipp Harries and Loïc Magne and Isabelle Mohr and Mariya Hendriksen and Dawei Zhu and Hippolyte Gisserot-Boukhlef and Tom Aarsen and Jan Kostkan and Konrad Wojtasik and Taemin Lee and Marek Šuppa and Crystina Zhang and Roberta Rocca and Mohammed Hamdy and Andrianos Michail and John Yang and Manuel Faysse and Aleksei Vatolin and Nandan Thakur and Manan Dey and Dipam Vasani and Pranjal Chitale and Simone Tedeschi and Nguyen Tai and Artem Snegirev and Michael Günther and Mengzhou Xia and Weijia Shi and Xing Han Lù and Jordan Clive and Gayatri Krishnakumar and Anna Maksimova and Silvan Wehrli and Maria Tikhonova and Henil Panchal and Aleksandr Abramov and Malte Ostendorff and Zheng Liu and Simon Clematide and Lester James Miranda and Alena Fenogenova and Guangyu Song and Ruqiya Bin Safi and Wen-Ding Li and Alessia Borghini and Federico Cassano and Hongjin Su and Jimmy Lin and Howard Yen and Lasse Hansen and Sara Hooker and Chenghao Xiao and Vaibhav Adlakha and Orion Weller and Siva Reddy and Niklas Muennighoff},
  publisher = {arXiv},
  journal={arXiv preprint arXiv:2502.13595},
  year={2025},
  url={https://arxiv.org/abs/2502.13595},
  doi = {10.48550/arXiv.2502.13595},
}

@article{muennighoff2022mteb,
  author = {Muennighoff, Niklas and Tazi, Nouamane and Magne, Lo{\"\i}c and Reimers, Nils},
  title = {MTEB: Massive Text Embedding Benchmark},
  publisher = {arXiv},
  journal={arXiv preprint arXiv:2210.07316},
  year = {2022}
  url = {https://arxiv.org/abs/2210.07316},
  doi = {10.48550/ARXIV.2210.07316},
}

Dataset Statistics

The following code contains the descriptive statistics from the task. These can also be obtained using:

import mteb

task = mteb.get_task("NLPJournalTitleAbsRetrieval")

desc_stats = task.metadata.descriptive_stats

{
    "test": {
        "num_samples": 908,
        "number_of_characters": 233742,
        "num_documents": 504,
        "min_document_length": 120,
        "average_document_length": 441.6746031746032,
        "max_document_length": 1290,
        "unique_documents": 504,
        "num_queries": 404,
        "min_query_length": 5,
        "average_query_length": 27.56930693069307,
        "max_query_length": 71,
        "unique_queries": 404,
        "none_queries": 0,
        "num_relevant_docs": 404,
        "min_relevant_docs_per_query": 1,
        "average_relevant_docs_per_query": 1.0,
        "max_relevant_docs_per_query": 1,
        "unique_relevant_docs": 404,
        "num_instructions": null,
        "min_instruction_length": null,
        "average_instruction_length": null,
        "max_instruction_length": null,
        "unique_instructions": null,
        "num_top_ranked": null,
        "min_top_ranked_per_query": null,
        "average_top_ranked_per_query": null,
        "max_top_ranked_per_query": null
    }
}

This dataset card was automatically generated using MTEB

Downloads last month: 40

Size of downloaded dataset files:

436 kB

Size of the auto-converted Parquet files:

436 kB

Number of rows:

1,598