対象を省略する場合について

与えられた文が誰かに呼びかける文である場合，文中にはその対象が明記さ れていなくても，AMRには記載している場合がある．図23は，”you”に”take a

look”を命令する表現になっているが，文中にyouという単語は現れない．

図 23 文 Take a look at North Korea, ... に対するAMR

6. _考察

以上が現在判明している，[1]で導入されたアライナーで列挙できていないルー ルである．

これらを，４章であげた場合わけに当てはめると以下の表のようになる．

表 4 ５章で列挙したルールの場合わけ 1 辞書に文中の単語とAMRのノード中の単語の関連が

記載されてなかった場合

2 なんらかの理由で単語が意味を持たない場合 軽動詞

文中の単語がAMRでは別の表現に言い換えらえている場合 be +形容詞の動詞化 慣用句

3 助動詞

疑問文 命令文 感嘆詞を含んだ文 4 アライメントをすることができる単語がない場合 呼びかけの表現

対象を省略する場合

２と３の違いは，表層が大きく変化しているかである．

 2は，複単語表現の一部の動詞，副詞が消えるだけで他の部分はAMRに現れ ている．また，主な場合は軽動詞の場合である．よって，軽動詞に関する辞書を 用いて，軽動詞を含んだ複単語表現と，表層の近いノードを結びつけるという方 法でアライメントが行える．

 一方3は，単語，または複単語表現の表層が全く違ったものになってAMR中 に現れているので，結びつけることが難しい．また， 単語が助動詞の場合ならど ういった形でAMR中に現れるのか[6]にすべて記載されているが，それ以外の場 合は記載されていない．なので３の場合は，表５のような辞書が存在する場合は

それを元にアライメントを行う．また，疑問文や命令文には文法上の特徴がある ので．その特徴を汲み取るルールを記載してアライメントを行う必要がある．

 4の場合については，特定の単語から見分けるのは難しい．図23の場合だと，

周りの文の一部を抜き出すと以下のようになっている．

Take a look at North Korea , that’s our country many years ago . Take a look at their ridiculous propaganda .

この文は読み手に語りかけるものになっていて，読み手”you”に”North Korea”

を”take a look”することを命令する命令文になっている．与えられた文が命令文 のときに，文中にない単語を用いて誰に命令したのか必ず明記するようになって いるというわけではない．このように，文中の単語の表層のみから取得できる情 報だけでなく，与えられた文が誰に向けてのものなのか，またどういった状況の 文なのかという情報もAMRには記されている．

7. _結言

本論文では，[1]で導入されたルールベースのアライナーが考慮できていない ルールを列挙するとともに場合分けし，それぞれの場合についてどういった解決 方法が考えられるか考察した．これらのルールを考慮してアライメントを行うこ とで現在のアライナーを改善することができる．ルールベースのアライナーの課 題としては，[6]で示してあるようなアノテーションの際のルールを考慮したもの にならなければならないことがまずあげられる．一方で，表4における4の場合 のような，ルールベースで解決することが難しい課題も存在する．これら２つの 課題を解決し，より高精度なアライメントを行うことでConcept identificationも より正確なものにしていくことがAMRのparsingには必要である．

8. _参考文献

[1]Banarescu, L., Bonial, C., Cai, S., Georgescu, M.,Griffitt, K., Hermjakob, U., Knight, K., Koehn,P., Palmer, M., and Schneider, N. (2013). Abstractmean-ingrepresentation for sembanking.In Proceedings of the Linguistic Annotation-Workshop.

[2] Flanigan, J., Thomson, S., Carbonell, J., Dyer, C., and Smith, N. A. (2014). A discriminative graph-based parser for the Abstract Meaning Representation. In Proceedings of the Conference of the Association of Computational Linguistics.

[3]Jones, B., Andreas, J., Bauer, D., Hermann, K. M., and Knight, K. (2012).

Semantics-based machine translation with hyperedge replacement grammars. In Proceedings of the International Conference on Computational Linguistics.

[4]Pourdamghani, N., Gao, Y., Hermjakob, U., Knight, K. (2014). Aligning En-glish Strings with Abstract Meaning Representation Graphs. In EMNLP (pp.

425-429).

[5]Arindam Mitra and Chitta Baral. 2016. Addressing a Question Answering Challenge by Combining Statistical Methods with Inductive Rule Learning and Reasoning. In Proc. of AAAI

[6]Abstract Meaning Representation (AMR) 1.2.2 Specification,https://github.com/amrisi/amr-guidelines/blob/master/amr.mdconcession ,2017/3/8

[7]Janssen, J., and Limnios, N. (Eds.). (2013). Semi-Markov models and appli-cations. Springer Science and Business Media.

[8] Ratinov, L., and Roth, D. (2009, June). Design challenges and misconcep-tions in named entity recognition. In Proceedings of the Thirteenth Conference on Computational Natural Language Learning (pp. 147-155). Association for Computational Linguistics.

[9]Wang, C., Xue, N., Pradhan, S., and Pradhan, S. (2015). A Transition-based Algorithm for AMR Parsing. In HLT-NAACL (pp. 366-375).

[10]Artzi, Y., Lee, K., and Zettlemoyer, L. (2015, September). Broad-coverage CCG Semantic Parsing with AMR. In EMNLP (pp. 1699-1710).

[11]Brown, P. F., Pietra, V. J. D., Pietra, S. A. D., and Mercer, R. L. (1993). The mathematics of statistical machine translation: Parameter estimation. Compu-tational linguistics, 19(2), 263-311.

[12]Kingsbury, P., and Palmer, M. (2002, May). From TreeBank to PropBank.

In LREC (pp. 1989-1993).

[13]McDonald, R., Pereira, F., Ribarov, K., and Hajic, J. (2005, October). Non-projective dependency parsing using spanning tree algorithms. In Proceedings of the conference on Human Language Technology and Empirical Methods in Natural Language Processing (pp. 523-530). Association for Computational Lin-guistics.

9. _付録

9.1 助動詞の変化

助動詞が与えられたとき，AMR中でどのように表されるか記載する．

表 5 助動詞の変化 助動詞 AMR での表現

can possible-01 could possible-01 permit-01 may possible-01

permit-01 might possible-01

must obligate-01 shall possible-01 should recommend-01

9.2 疑問文について

文が疑問文の場合，それが疑問文であることを特殊なノードを用いて表現する．

与えらた文が疑問文の時，答え方が複数ある場合か， yes-no で答える場合か によって，生成されるノードが異なる．

9.2.1 Wh- 疑問文

What are your thoughts on capitalism and its activities? のように，答え

方が yes-no でない疑問文は，ノード”amr-unknown”を用いて図24のように表

現される．

図 24 文 What are your thoughts on capitalism and its activities? に対する AMR

9.2.2 答え方が yes-no の疑問文

答え方が yes-no の疑問文は，ノード”interrogative”を用いて図25のように 表現される．

図 25 文 Have they not been to Mexico? に対する AMR