ウェブを情報源とした用語辞典の自動編集

使用网络作为信息源自动编辑术语表

• 批准号: 13224055
• 负责人: 佐藤 理史
• 金额: --
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas (C)
• 财政年份: 2001
• 资助国家: 日本
• 起止时间: 2001 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-13224055/
• 关键词: 用語収集; 用語間関係; 構文パターン; ウェブ

本年度は、主に、ウェブから関連用語を収集する方法を中心に研究を行なった。`まず、2つの用語間の関係として、10種類(同義、類似・対比、上位概念、下位概念、全体、部分、並列、用途・環境、因果、複合語)の関係を設定した。次に、テキスト中からこれらの関係にある用語対を抽出するために、10種類の関係それぞれに対して、その関係を示唆する典型的な文型を調査・整理した。これらの文型と文とを照合して、上記の関係にある用語対を自動抽出することを実現するために、構文テンプレートと呼ぶ文型の記述法を定義し、これと構文解析した文とを比較する照合器(パターンマッチャー)を作成した。関連用語を収集アルゴリズムとして、次のようなブートストラップ型のアルゴリズムを実装した。(1)初期用語集合Gを与える。(2)Gの中の用語が少なくとも1語存在するような文をウェブから収集する。(3)上記の構文テンプレートを用いて、関連用語を抽出する。(4)得られた新しい語の中から一般的な語を除去したものを用語集合Gに追加する。(5)(2)以下を繰り返す。上記の方法による関連用語収集を「生物学」の領域を対象に実験を行なった。10個の用語を初期用語集合とし、上記のループを2回実行した結果、128語の新しい用語が収集され、そのうち、97語(76%)が適切な関連用語であった。一旦、不適切な用語が用語集合に混入すると、その影響が次回のループで拡大して精度が下がるため、今後、この点を改善する必要がある。

今年我们主要研究了从网络上收集相关术语的方法。 “首先，我们在两个术语之间建立了 10 种关系（同义词、相似/对比、上位概念、下位概念、整体、部分、平行、用法/环境、因果关系和复合词）。接下来，为了从文本中提取这些关系中的术语对，我们研究并组织了典型的句子模式，这些句子模式为 10 种关系类型中的每一种提供了建议。为了整理这些句子类型和句子并自动提取具有上述关系的术语对，我们定义了一种称为句法模板的描述句子类型的方法，并将其与我创建的模式匹配器来执行此操作的解析句子进行比较。我们使用相关术语作为收集算法实现了以下引导类型算法。 (1) 给出初始术语集G。 (2)从网络中收集至少存在G中的一个术语的句子。 (3) 使用上述语法模板提取相关术语。 (4)从得到的新词中去除常用词，加入到术语集G中。 (5)(2) 重复以下步骤。利用上述方法进行了实验，收集了“生物学”领域的相关术语。使用初始的 10 个术语集运行上述循环两次后，我们收集了 128 个新术语，其中 97 个 (76%) 是相关术语。一旦不合适的术语混入术语集中，其影响力会在下一个循环中被放大，准确度会下降，因此未来需要改进。