自然言語処理2007
東京工科大学
コンピュータサイエンス学部
亀田弘之
自然言語処理の概要
形態素解析
 統語解析(構文解析)
 意味解析
 談話解析
 情況解析 etc.

形態素解析
入力: メロスが走る
 出力: メロス(名詞)/が(助詞)/走る(動詞)

処理方法は?
手法・アルゴリズム・プログラミング言語
必要な知識は?
評価方法は?
ツールは?
例:
Tom broke the cup with the hammer.
 Tom brach die Tasse mit der Hammer.

処理方法
文字種法
 最長一致法
 文節数最少法
 接続表を利用する方法
 遷移確率を用いる方法 etc.

次の文を形態素解析せよ。

地球温暖化を防ぐために世界の国々が
つくった京都議定書で、日本は二酸化炭
素(CO2)などの温室効果ガスを2008から
12年度に1990年に比べて6%減らすことを
約束しています。
(朝日小学生新聞2007年10月12日 より)
(続き)

自然言語は人間相互の意思疎通のため
の道具であり、これを機械により処理する
ことが出来れば、社会的意義は極めて大
きなものがある。
文字種法

文字種類の変わり目を単語の切れ目とす
る考え方。切り出した後、微修正が必要。

例:
文字種類 / の / 変 / わり / 目 / を / 単語 /
の / 切 / れ / 目 / とする / 考 / え / 方 / 。 /
切 / り / 出 / した / 後 / 、 / 微修正 / が /
必要 / 。
例2

地球温暖化 / を / 防 / ぐために / 世界 /
の / 国々 / がつくった / 京都議定書 / で /
、 / 日本 / は / 二酸化炭素 / ( / CO2 / ) / な
どの / 温室効果 / ガス / を / 2008 / から /
12 / 年度 / に / 1990 / 年 / に / 比 / べて /
6 / % / 減 / らすことを / 約束 / しています
/。
日本語における字種
区切り記号(句読点、特殊記号)
 漢字、片仮名、アルファベット(英文字)
 数字
 平仮名

形態素解析結果の第一次近似解を
得るヒューリスティック(heuristic)
平仮名から他の文字種への変わり目
 区切り記号の前後
 非平仮名列から数字列への変わり目
 数字列から非平仮名列への変わり目

– 以後、さらに精度を高める。
何をすればいいのか? 考えよ。
前記ヒューリスティック適用例

文字種類の変わり目を単語の切れ目とす
る考え方。切り出した後、微修正が必要。

文字種類の変わり目を単語の切れ目とす
る考え方。切り出した後、微修正が必要。
問題:文字種法の長所・短所
問題:文字種法の改良案を考えよ。

(例に基づいて考えること)
問題:文字種法の適用分野はある
か?あるとすれば何?
最長一致法

処理対象文字列の先頭から始まる単語
のうち、文字列長が最大のものを優先的
に単語候補とする方法。
例


アルプスのやまは美
しい
アルプスの少女は美
しい

単語辞書:
–
–
–
–
–
–
–
アルプス
少女
やま
のやま
美しい
は
の
問題:必要な単語辞書を作成せよ。

ユク河ノナガレハ、
絶エズシテ、シカモ
モトノ水ニアラズ。

単語辞書:
問題:最長一致法の長所・短所
文節数最少法

文節数が最も少なくなる切り方を解とする
方法。
例:くるまでまつ










車で 待つ
(2)
車で 松
(2)
来るまで 待つ (2)
来るまで 松 (2)
繰るまで 待つ (2)
繰るまで 松 (2)
狂まで 待つ (2)
狂まで 松
(2)
来る 間で 待つ
(3)
来る 間で 松 (3) etc.
ダウンロード

講義資料