The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 1 -
脳内言語処理
発想を得
人
-
ロボ
指示理解
:
解対象文をコン
キ
ス
フ
タ
ン
ワ
形
提案
A demand-based filtering in the generation of the syntactic parsing noun-network structure by using
dictionary and thesaurus for human use toward an application for human-robot communication
相
大輔
*1
妻
広明
*1, *2
Daisuke Aikawa Hiroaki Wagatsuma
*1
九
工業大学大学院生
体工学研究科
Graduate School of Life Science and Systems Engineering, Kyushu Institute of Technology
*2
理
学研究所脳科学総合研究センタ
RIKEN BSI
We have proposed a noun-network structure by using dictionary and thesaurus for human use and it reflects the English grammar, which attempts to use for automatic understanding of what human verbal instructions mean. In this study, we improved the framework of the noun-network generation by defining details of the morphological change of the network depending on two parameters such as divergence and density among related words and the fitness function for the task. The proposed algorithm is evaluated by 101 English test (sentence-word matching) and the scores were examined in various conditions of the network evaluation.
1.
じめに
人 文章を ，主語(S)，動詞(V)，目的語(O)
要素を文法 従 解釈 ，辞書 あ 限定 単語 関係性
，そ 意味を理解 ．近年 統計手法や タマ ニン
大規模 タベ ス 構文解析 主流 あ [
1999]．一方，自然言語を扱う人間 言語能力を考え ，
国語 場合 生 そ 言語 長く触 こ
十分 量 辞書 脳 中 記憶さ い 推量 ，
第二言語 習得 け 量 質を確保 いこ 明
あ ．そ う 十分 辞書 場合 ，意味 ワ
，構文理解 意味抽出を け補佐 ，本研究
中心課題 あ ． 体的 ，文法構造 推定さ 単語間
関 係 性 意 味 近 さ ， 人 使 う 辞 書 小 規 模 関 係 性 タ ベ ス 英 文 構 文 解 析 を 行 う 場 合 有 効 性 を 検 討
．特 ， 文理解 注目 ，SVO 型 目的節(O) 解釈を
目指 ． take a big ball ，絶対的基準 相対性を活用
文 日 常 指 示 文 多 く ， 状 況 を 解 決 十 分 構 造
詞を ワ 得 仮 を立 ，英文
-単語意味整合 ス い 有効性を検証 ．
2.
方法
本研究 ，SVO 型 場合 く見 文 い
目的語を正確 把握 ， ワ 形 方法を提案 ．
中心 詞 い 定義 ，そ 点を 広
ワ 構造を考え ．
2.1 中心名詞 定義
目的節 中心 詞を 過去分詞，現在分詞，that 節，
what 節，of 直前 詞 定義 ， 中心 詞 ぶ．
，過去分詞，現在分詞 中心 詞を 単
語を中心 詞 単語 ぶ． “female of domestic cattle” いう 詞句 “female 中心 詞 図1 ．
図 . 中心 詞 例
2.2 ッ ワーク生成
次 中心 詞 ワ を定義 ．あ 詞 ，英英辞
Princeton University, http://wordnet.princeton.edu/wordnet
を用い ，そ 意味 明文 を中心 詞 注目 辿 こ を
考え ． cow 始 中心 詞 ワ ，図 2 う cow female ， animal 連結さ 構造 得 ．
ここ ，赤色 中心 詞，緑色 中心 詞 単語を表 い
．こ 手続 を繰 返 こ ，中心 詞 ワ を生
こ ． ，英英辞 単語を調べ いく回数を，深
度 ．図 2 ，“cow” 2 回英英辞 調
べ い ． ，DEPTH = 2 ( 後， う 記述
) ワ あ ．
図2. cow ワ 生
2.3 類義語辞典 活用
中心 詞 ワ 有効性検証 課題 ，図3 う
英文 ス を用意 ．こ 例題 解答 sheep ，英英 辞 明文 “woolly usually horned ruminant mammal related to the goat” 例文 単純 合致 ， 文 含 単語 連 絡 先 相 大 輔 九 工 業 大 学 大 学 院 生 体 工 学 研 究 科 妻
研，〒 九 市若松区 − ， 3 ， w @ n y p
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 2 -
異 ． ，英英辞 を辿 中心 詞 ワ ，
図 2 示 う 調べ 調べ ほ 抽象的 明 ，
他 単語 辿 場合 類似性 高 ，単語 意味を区
目的 適当 い． ワ そ 特性 循
環 構 造 可 能 性 あ ． そ こ ， 深 度 調 整 類 義 語 辞
(ARTFL Project, http://artfl-project.uchicago.edu/)] 相補的活
用 考慮 ．図 4 ，類義語辞 を併用 “cow”
中心 詞 ワ を示 ． ワ 生 過程 現
詞 ， 問 題 文 中 詞 類 義 語 辞 プ 属
場合 関連 詞 ，見出 語を経由 ．
図3. 英文 ス 例
図4. 類義語辞 を併用 中心 詞 ワ ( )
2.4 構文解析 ため 評価値
図 3 う 英文 ス 解 自動検出 ，中心 詞
ワ を 用 い 課 題 解 決 評 価 値 を 定 義 ． 評 価
値 ， ワ 内 分岐数 総和 ， ワ
基点 詞 “cow” 問題文 選択肢 ワ 含 問題文中 現 詞 “farm”，“animal”
距離( 間ス プ数) 総和 注目 ．こ 2 を
重 付け ，評価値 を式(1) 定義 ．
解対象文をコン キス ， 問題文 含 詞
を用い ワ 形 を問題文 選択肢 生 ，各
ワ を 評 価 値 比 較 ， 高 け 高 い ほ ， 対
象 問題文 当該 選択肢 関係性 高い 考え ．
，評価値 順位付けさ 選択肢 位 英文
ス 正答 一致 こ う を検証 ．
E
=
m
bB
+
m
dD
(1)(1) ッ ワーク内 ー 分岐数 総和
式(1) い 定 義 ． あ 分 岐 数 ， そ
他 連結さ い 数 あ ．図 4 い
矢 印 矢 を 太 線 ワ 生 時 辿 方 向
向い い ．ここ ，そ 向 問わ い． ，
ワ 数を 総和 う 定義
．
B
=
(
b
i−
1
)
i=1N
∑
(
i
=
1, 2,
,
N
)
(2)ここ ， 番目 け 分岐数 あ ．分岐 多い程，
基 点 詞 選 択 肢 英 英 辞 を 辿 現 詞 ， 問 題
文内 詞 整合性 類義語特性 高 いうこ ．
(2) 選択肢 基点 から各問題文中名詞へ 距離 総和
式(1) を定義 ．図 4 う 選択肢 “cow” 関連 詞“animal”，“domestic” ワ 内距離 近い
程，そ 選択肢 問題文 意味 関連 高く，正答 あ 可能
性 高 い 考 え ． そ こ ， 深 度 加 え ， 中 心
詞—関 連 詞 ， 関 連 詞—類 義 語 間 冗 長 距 離(こ こ
) ，最長距離 得 ．そこ ，こ 関
連度 正 数 総和 ， え ．
D
=
(
DEPTH
+η −
d
j)
j∈M
∑
(3)こ こ ， ワ 含 類 義 語 見 出 語 集 合
， 番目見出 語 ワ 距離 あ ．
3.
実験
英文-単語意味整合 ス を101問用意 図3 例 ，評価
値 値 順位付けを行 ． 場合 ン ．
図5. 実験結果 正解含有率， 正答率
式(1) 重 付 け パ タ (mb,md) 変 さ 実
験結果を図 示 ． 101 問中，評価値 正答 順位 1
位 含 比率 正解含有率 列1位 複数あ 可能性
あ を図5 段 ，正答 順位1位 “唯一”含 比率
正 答 率 を 図 5 段 示 ． 正 解 含 有 率 最 高
パ タ DEPTH1，(
1,1
)，(1, 2) 場 合 73% ． 正答率 最 高 パ タ DEPTH3 ，
56〜58% あ ． 先 結果[相 2013] ，こ 場合 正解
含有率 相当 ，ここ 最大正答率 56% あ
こ を考え ，本提案 重 付けパ タ 改善
2% 績向 あ こ ．
4.
まとめ
本研究 ，人 使う辞書 ， タベ ス 情
報量 十分 い辞書を用い，意味 ワ 英語 ス を
解 く 問 題 い 情 報 補 完 能 力 を 調 べ ． こ 人 構
文 理 解 い 脳 内 情 報 処 理 過 程 想 定 さ ， 効 果 的
意味 ワ 生 言語理解 基盤 い こ を示唆
．今後 詞 ワ 形 修飾語を加味
多様性 ワ い 検討 必要 考え ．
参考文献
[ 1999] 研二: 言語 計算—確率的言語 ，東京大
学出版会，1999．
[相 2013] 相 大輔， 妻広明: ロボ 言語指示課題
向け 文法構造を反映 構文解析 検討， ワ
