JP2011118814A - 自然言語処理プログラム及び自然言語処理装置 - Google Patents

Abstract

【課題】学習対象の文に関連付けられた、構文解析器の構文解析の仕様とは異なる構文解析の仕様を、構文解析器の構文解析の仕様に合わせるために学習する自然言語処理プログラム及び自然言語処理装置を提供する。
【解決手段】コーパス変換装置１は、仕様Ｂの構文情報１１１Ｂに基づいて、学習コーパス１１１の文に構文解析の対象とする範囲の限定をブラケットによって付与するブラケット付与手段１０１と、ブラケットの付与前及び付与後において、文に仕様Ａで構文解析を実行して、構文解析結果をそれぞれ出力する構文解析手段１０２と、構文情報１１１Ａとブラケットの付与前及び付与後における構文解析結果との類似性を示すＦ値をそれぞれ求める構文解析評価手段１０３と、ブラケットの付与前及び付与後におけるＦ値の変化量と、ブラケット付与後の構文解析結果とを関連付けて学習する学習手段１０５とを有する。
【選択図】図１

Description

本発明は、自然言語処理プログラム及び自然言語処理装置に関する。

文章中の特定の文にならって、文章の読点の付け方の不統一を防止する技術が提案されている。

これに関連する技術として、特許文献１には、抽出された特定の文を形態素解析して形態素解析表を作成し、句解析規則集を用いて句解析表を作成して、校正対象となる他の文から文型を抽出し、その文型を検索のキーとして文書から校正対象文を取り出して、それら校正対象文の読点位置の種類や頻度等から読点の付け方が不統一であればその旨を通知、又は修正する技術が開示されている。

特開平７−８５０４８号公報

本発明の目的は、学習対象の文に関連付けられた、構文解析器の構文解析の仕様とは異なる構文解析の仕様を、構文解析器の構文解析の仕様に合わせるために学習する自然言語処理プログラム及び自然言語処理装置を提供することにある。

［１］コンピュータを、学習対象の文に関連付けられた第１の仕様の構文情報に基づいて、前記学習対象の文に構文解析の対象とする範囲の限定を付与する限定付与手段と、前記範囲に限定しない前記学習対象の文と前記範囲に限定した前記学習対象の文とを対象にして、前記第１の仕様とは異なる第２の仕様の構文情報に基づいて構文解析を実行し、前記範囲に限定しない前記学習対象の文を対象にした前記第２の仕様に基づく第１の構文解析結果と前記範囲に限定した前記学習対象の文を対象にした前記第２の仕様に基づく第２の構文解析結果とをそれぞれ出力する構文解析手段と、前記第２の仕様の構文情報と前記第１の構文解析結果の類似性を示す第１の評価結果と、前記第２の仕様の構文情報と前記第２の構文解析結果の類似性を示す第２の評価結果とを出力する評価手段と、前記第１の評価結果と前記第２の評価結果の変化量と、前記第２の構文解析結果とを関連付けた情報を学習情報として記憶することで学習する学習手段として機能させるための自然言語処理プログラム。

［２］前記限定付与手段は、識別対象の文に関連付けられた第１の仕様の構文情報に基づいて、前記識別対象の文に構文解析の対象とする範囲の限定を付与し、前記構文解析手段は、当該範囲に限定した前記識別対象の文を対象にして、前記第２の仕様の構文情報に基づいて構文解析して第３の構文解析結果を出力し、前記第３の構文解析結果と類似する前記第２の構文解析結果を前記学習情報から抽出して、抽出された当該第２の構文解析結果に関連付けられた前記第１の評価結果と前記第２の評価結果の変化量を当該第３の構文解析結果に適用し、当該範囲の限定が妥当か否かを識別する識別手段として前記コンピュータをさらに機能させるための前記［１］に記載の自然言語処理プログラム。

［３］前記識別手段が妥当と識別した前記範囲の限定に対して得られた前記第３の構文解析結果を用いて、前記識別対象の文の構文情報を修正する修正手段として前記コンピュータをさらに機能させるための前記［２］に記載の自然言語処理プログラム。

［４］学習対象の文に関連付けられた第１の仕様の構文情報に基づいて、前記学習対象の文に構文解析の対象とする範囲の限定を付与する限定付与手段と、前記範囲に限定しない前記学習対象の文と前記範囲に限定した前記学習対象の文とを対象にして、前記第１の仕様とは異なる第２の仕様の構文情報に基づいて構文解析を実行し、前記範囲に限定しない前記学習対象の文を対象にした前記第２の仕様に基づく第１の構文解析結果と前記範囲に限定した前記学習対象の文を対象にした前記第２の仕様に基づく第２の構文解析結果とをそれぞれ出力する構文解析手段と、前記第２の仕様の構文情報と前記第１の構文解析結果の類似性を示す第１の評価結果と、前記第２の仕様の構文情報と前記第２の構文解析結果の類似性を示す第２の評価結果とを出力する評価手段と、前記第１の評価結果と前記第２の評価結果の変化量と、前記第２の構文解析結果とを関連付けた情報を学習情報として記憶することで学習する学習手段とを有する自然言語処理装置。

請求項１又は４に係る発明によれば、学習対象の文に関連付けられた、構文解析器の構文解析の仕様とは異なる構文解析の仕様を、構文解析器の構文解析の仕様に合わせるために学習することができる。

請求項２に係る発明によれば、学習対象の文に関連付けられた、構文解析器の構文解析の仕様とは異なる構文解析の仕様を、構文解析器の構文解析の仕様に合わせることができる。

請求項３に係る発明によれば、学習対象の文に関連付けられた、構文解析器の構文解析の仕様とは異なる構文解析の仕様を構文解析器の構文解析の仕様に合わせるように学習対象の文に関連付けられた構文解析の仕様を修正することができる。

本発明の実施の形態に係るコーパス変換装置の構成例を示す概略図である。 （ａ）〜（ｃ）は、学習用コーパスの構成の一例を示す概略図である。 ブラケットの付与された学習用コーパス文の構成の一例を示す概略図である。 （ａ）及び（ｂ）は、構文情報及び構文解析手段による構文解析結果の構成の一例を示す概略図である。 ブラケットの付与された学習用コーパス文の構成の一例を示す概略図である。 学習用コーパス文の解析結果としての構文情報の構成の一例を示す概略図である。 （ａ）及び（ｂ）は、構文情報及び構文解析手段による構文解析結果の構成の一例を示す概略図である。 （ａ）〜（ｃ）は、それぞれ異なる箇所に限定ブラケットを付与した場合のＦ値の例を示す概略図である。 （ａ）〜（ｃ）は、それぞれ異なる箇所にさらに限定ブラケットを付与した場合のＦ値の例を示す概略図である。 （ａ）〜（ｃ）は、学習手段の学習動作の一例を示す概略図である。 コーパス変換装置の学習動作例を示すフローチャートである。 （ａ）〜（ｂ）は、識別用コーパス１１２の構成の一例を示す概略図である。 ブラケットの付与された識別用コーパス文の構成の一例を示す概略図である。 （ａ）〜（ｃ）は、識別手段の学習動作の一例を示す概略図である。 コーパス変換装置１の識別動作例を示すフローチャートである。

図１は、本発明の実施の形態にコーパス変換装置の構成例を示す概略図である。

このコーパス変換装置１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等から構成され各部を制御するとともに各種のプログラムを実行する制御部１０と、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やフラッシュメモリ等の記憶媒体から構成され情報を記憶する記憶部１１とを有する。

なお、コーパス変換装置１は、例えば、パーソナルコンピュータやＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、携帯電話機等でもよい。また、コーパス変換装置１は、外部から受け付ける要求等に基づいて動作するが、文や図形等を表示する液晶ディスプレイ等の表示部と、操作入力用のキーボードやマウス等の操作部を備え、直接に利用者の操作に基づいて動作する構成としてもよい。

制御部１０は、後述するコーパス変換プログラム１１０を実行することで、コーパス取得手段１００と、ブラケット付与手段１０１と、構文解析手段１０２と、構文解析評価手段１０３と、ブラケット正負判定手段１０４と、学習手段１０５と、識別手段１０６と、コーパス修正手段１０７等として機能する。

コーパス取得手段１００は、学習対象としての学習用コーパス１１１又は識別対象としての識別用コーパス１１２を取得する。ここで、「コーパス」とは、文とその文の構文情報とを関連付けた情報を持つ言語資源をいう。構文情報を持たない、一般的に「生コーパス」といわれるものは含んでいない。また、「構文情報」とは、文を一定の仕様で構文解析して得られた情報であり、文を構成する形態素及びその形態素の品詞等を示す情報である。一般的に大規模な文及び文章を資料体としてまとめたものを指す。

ブラケット付与手段１０１は、コーパス取得手段１００が取得したコーパスの文に対し、その文の構文情報に応じて後述するブラケットを付与する。ここで、「ブラケット」とは、構文情報において品詞や句・節・項等の構文における意味付けを排除し、構文上の区切りのみで表現したものである。

構文解析手段１０２は、文の構文を後述する仕様Ａに基づいて解析する。ここで、「仕様Ａ」とは、構文解析の手法の１つであり、後に説明する仕様Ｂと異なる手法を指すものとする。

構文解析評価手段１０３は、構文解析手段１０２が解析した結果を、コーパスが有する構文情報と比較して評価する。

ブラケット正負判定手段１０４は、ブラケットが付与される前後において、文の構文解析評価手段１０３の評価結果を比較して正か負かを判定する。なお、判定基準については後述する。

学習手段１０５は、学習用コーパス１１１の仕様Ａの構文情報１１１Ａと仕様Ｂの構文情報１１１Ｂとを比較して学習し、学習情報１１３を生成する。具体的には、文に付与されたブラケットごとに、ブラケット正負判定手段１０４の判定結果及びブラケットで限定された内容の構文情報を学習し、その内容を学習情報１１３として記憶部１１に記憶する。

識別手段１０６は、識別対象としての識別用コーパス１１２の文を仕様Ａの構文解析手段１０２によって構文解析した場合に、その構文解析結果が構文情報１１２Ｂとどれだけ親和性があるかを識別し、その内容を識別情報１１４として記憶部１１に記憶する。

コーパス修正手段１０７は、識別情報１１４に基づいて構文情報１１２Ｂを仕様Ａに修正する。

記憶部１１は、制御部１０を上述した各手段として動作させるコーパス変換プログラム１１０と、文に関連づけられた仕様Ａの構文情報１１１Ａ及び仕様Ａと異なる手法で構文解析された仕様Ｂの構文情報１１１Ｂを有する学習用コーパス１１１と、文に関連づけられた仕様Ｂの構文情報１１２Ｂを有する識別用コーパス１１２と、学習手段１０５によって出力された学習情報１１３と、識別手段１０６によって識別された識別情報１１４等を記憶する。

本実施の形態では、構文解析の仕様として仕様Ａと使用Ｂとが存在し、学習用に用いる学習用コーパス１１１には仕様Ａ及び仕様Ｂの構文情報１１１Ａ及び１１１Ｂが関連づけられる。また、識別用に用いる識別用コーパス１１２には仕様Ｂの構文情報１１２Ｂのみ関連づけられている。以下、学習用コーパス１１１の構成について説明する。

図２（ａ）〜（ｃ）は、記憶部１１に記憶された学習用コーパス１１１の構成の一例を示す概略図である。

図２（ａ）に示す学習用コーパス文１１１ｍは、学習用コーパス１１１に含まれる構文解析の対象とされる文であり、一例として「超音波探傷法、磁気探傷法などと合わせて非破壊検査の重要な手法である。」(独立行政法人 情報通信研究機構、ＥＤＲ日本語コーパス、http://www2.nict.go.jp/r/r312/EDR/J_index.html)という内容を有する。

図２（ｂ）に示す構文情報１１１Ａは、学習用コーパス１１１に含まれ、構文解析の仕様Ａによって学習用コーパス文１１１ｍを構文解析した結果であり、品詞、句・節・項等に分けて記述されるものである。

図２（ｃ）に示す構文情報１１１Ｂは、学習用コーパス１１１に含まれ、構文解析の仕様Ｂによって学習用コーパス文１１１ｍを構文解析した結果であり、品詞、句・節・項等に分けて記述されるものである。

（構文仕様変換装置の動作）
以下に、コーパス変換装置１の動作を図１〜１１を参照しつつ、（１）学習動作と（２）識別動作とに分けて説明する。

（１）学習動作
図１１は、コーパス変換装置１の学習動作例を示すフローチャートである。

まず、コーパス変換装置１のコーパス取得手段１００は、記憶部１１から学習用コーパス１１１を取得し、その学習用コーパス１１１から図２（ａ）及び（ｃ）に示すような１つの学習用コーパス文１１１ｍ及び構文情報１１１Ｂを取得する（Ｓ１）。

次に、ブラケット付与手段１０１は、構文情報１１１Ｂの構造、つまり各品詞や句・節・項等のまとまりに基づいて学習用コーパス文１１１ｍに対してブラケットを付与する（Ｓ２）。

図３は、ブラケットの付与された学習用コーパス文の構成の一例を示す概略図である。

学習用コーパス文１１１ｂは、構文情報１１１Ｂの構造に基づいて付与される「［」と「］」からなるブラケット１０１ａを有する。例えば、図２（ｃ）に示す構文情報１１１Ｂにおいて、「超音波探傷法」は、名詞であるので、ブラケット１０１ａが「［超音波探傷法］」と付与される。なお、ブラケットは文を区切る手法の一例であり、他の記号を用いてもよいし、異なる手法で区切ってもよい。

次に、構文解析手段１０２は、図２（ａ）に示すブラケットの付与されていない学習用コーパス文１１１ｍを仕様Ａに基づいて構文解析する（Ｓ３）。構文解析は、例えば、大規模日本語文法の開発（野呂智哉，橋本泰一，徳永建伸，田中穂積．大規模日本語文法の開発．自然言語処理 Vol.12 No.1，2005．）に基づく構文解析器を用いて実行する。

図４（ａ）及び（ｂ）は、構文情報１１１Ａ及び構文解析手段１０２による構文解析結果の構成の一例を示す概略図である。

図４（ａ）に示す構文情報１１１ａは、図２（ｂ）に示す構文情報１１１Ａから抽出される情報であり、構文を品詞や句・節・項等の要素間の関係によって表現したものである。

図４（ｂ）に示す構文解析結果１０２ａは、構文解析手段１０２によって学習用コーパス文１１１ｍを解析した結果であり、構文情報１１１Ａと同様に品詞や句・節・項等の要素間の関係によって表現したものである。

次に、構文解析評価手段１０３は、構文情報１１１Ａと比較することにより構文解析結果１０２ａを評価する（Ｓ４）。評価方法として、以下に示すＦ値を用いる。

Ｆ値は、適合率Ｐと再現率Ｒとから算出される値であり、それぞれ以下に示す数式で表現される。

図４（ａ）及び（ｂ）に示す例から上記した値を算出すると、適合率＝１００×１１／１３＝８４．６、再現率＝１００×１１／１２＝９１．７であるので、Ｆ値＝８８．０と算出される。

次に、ブラケット付与手段１０１は、学習用コーパス文１１１ｂにおいて付与されたブラケット１０１ａのうち任意の１つを学習用コーパス文１１１ｍに付与し、構文解析手段１０２は、そのブラケットの付与された学習用コーパス文を構文解析する（Ｓ５）。

図５は、ブラケットの付与された学習用コーパス文の構成の一例を示す概略図である。

学習用コーパス文１１１ｃは、ブラケット１０１ａから選択された任意のブラケット、例えば、「超音波探傷法、磁気探傷法」を囲むブラケットを限定ブラケット１０１ｂとして有する。この限定ブラケット１０１ｂは、構文解析手段１０２の構文解析の品詞や句・節・項等を判断する範囲を限定するものである。

図６は、学習用コーパス文１１１ｃの解析結果としての構文情報の構成の一例を示す概略図である。

構文情報１０２Ｂは、構文解析手段１０２によって仕様Ａを制約として加えて解析された結果であり、「超音波探傷法、磁気探傷法など」が図２（ｂ）に示す構文情報１１１Ａでは名詞句となっているのに対し、本図では、限定ブラケット１０１ｂによって「超音波探傷法、磁気探傷法」を限定したことにより、動詞句となっている。

次に、構文解析評価手段１０３は、構文情報１１１ａと比較することにより構文情報１０２Ｂから得られる構文解析結果１０２ｂを評価する（Ｓ６）。具体的にはステップＳ４と同様にＦ値を算出する。

図７（ａ）及び（ｂ）は、構文情報１１１Ａ及び構文解析手段１０２による構文解析結果の構成の一例を示す概略図である。

図７（ａ）に示す構文情報１１１ａは、図４（ａ）に示す構文情報１１１ａと同一である。

図７（ｂ）に示す構文解析結果１０２ｂは、構文解析手段１０２によって学習用コーパス文１１１ｃを解析した結果であり、構文情報１１１Ａと同様に品詞や句・節・項等の要素間の関係によって表現したものである。

構文情報１１１Ａと構文解析結果１０２ｂとを、ステップＳ４と同様にＦ値が算出され、Ｆ値＝８８．０という値が得られる。

ステップＳ５及びＳ６は、すべてのブラケットに対して実行される（Ｓ７）。つまり、現段階では任意の１つのブラケットを付与したすべてのパターンについて実行される。

図８（ａ）〜（ｃ）は、それぞれ異なる箇所に限定ブラケットを付与した場合のＦ値の例を示す概略図である。

図８（ａ）に示す学習用コーパス文１１１ｃは、ブラケット１０１ａから選択された任意のブラケット、「超音波探傷法、磁気探傷法」を囲むブラケットを限定ブラケット１０１ｂとして有し、Ｆ値＝８８．０である。

図８（ｂ）に示す学習用コーパス文１１１ｄは、ブラケット１０１ａから選択された任意のブラケット、「超音波探傷法」を囲むブラケットを限定ブラケット１０１ｂとして有し、Ｆ値＝６９．２である。

図８（ｃ）に示す学習用コーパス文１１１ｅは、ブラケット１０１ａから選択された任意のブラケット、「超音波探傷法、磁気探傷法など」を囲むブラケットを限定ブラケット１０１ｂとして有し、Ｆ値＝９０．７である。

ステップＳ５及びＳ６は、以上に挙げた限定ブラケット１０１ｂの付与の他、図３に示すすべてのブラケット１０１ａに対してそれぞれ実行される。

次に、ブラケット正負判定手段１０４は、算出されたＦ値から最も値の大きなもの、つまり、図８（ｃ）に示す限定ブラケット１０１ｂを確定する。

図９（ａ）〜（ｃ）は、それぞれ異なる箇所にさらに限定ブラケットを付与した場合のＦ値の例を示す概略図である。

図９（ａ）に示す学習用コーパス文１１１ｅは、図８（ｃ）に示したものと同一である。

図９（ｂ）に示す学習用コーパス文１１１ｆは、図８（ｃ）に示す限定ブラケット１０１ｂを確定ブラケット１０１ｃとし、ブラケット１０１ａから選択された任意のブラケット、「超音波探傷法、磁気探傷法」を囲むブラケットを限定ブラケット１０１ｄとして有し、Ｆ値＝９０．７である。

図９（ｃ）に示す学習用コーパス文１１１ｇは、図８（ｃ）に示す限定ブラケット１０１ｂを確定ブラケット１０１ｃとし、ブラケット１０１ａから選択された任意のブラケット、「超音波探傷法」を囲むブラケットを限定ブラケット１０１ｄとして有し、Ｆ値＝９０．７である。

以上のように確定ブラケット１０１ｃ内のブラケットをすべて付与してステップＳ５〜Ｓ８を実行する（Ｓ９）。また、ステップＳ２〜Ｓ９を学習用コーパス１１１の全ての文に対して実行する（Ｓ１０）。

次に、学習手段１０５は、以上のステップにおいて算出されたＦ値及び構文解析結果とに基づいて学習する（Ｓ１１）。具体的な学習方法を以下に示す。

図１０（ａ）〜（ｃ）は、学習手段１０５の学習動作の一例を示す概略図である。

学習手段１０５は、例えば、図１０（ａ）に示す、学習用コーパス文１１１ｃのＦ値と、「超音波探傷法、磁気探傷法などと合わせ」を限定ブラケット１０１ｂで限定した学習用コーパス文１１１ｈのＦ値とを比較し、Ｆ値が減少した場合に学習用コーパス文１１１ｈのケースを負例と学習する。

また、構文情報１１１Ｂにおいて、このケースは、図１０（ｂ）の学習対象１１１０で示す動詞句以下の句・節・項や品詞の集合であり、学習手段１０５は、それらを図１０（ｃ）に示す構文情報に書き換えたものを負例の学習情報１１３ａとして、記憶部１１に記憶する。

（２）識別動作
図１２（ａ）〜（ｂ）は、識別用コーパス１１２の構成の一例を示す概略図である。

図１２（ａ）に示す識別用コーパス文１１２ｍは、識別用コーパス１１２に含まれる構文解析の対象とされる文であり、一例として「１０時、広場の民主大学が開講しました。」という内容を有する。

図１２（ｂ）に示す構文情報１１２Ｂは、識別用コーパス１１２に含まれ、構文解析の仕様Ｂによって識別用コーパス文１１２ｍを構文解析した結果であり、品詞、句・節・項等に分けて記述されるものである。

図１５は、コーパス変換装置１の識別動作例を示すフローチャートである。

まず、コーパス変換装置１のコーパス取得手段１００は、記憶部１１から識別用コーパス１１２を取得し、その識別用コーパス１１２から図１２（ａ）に示す１つの識別用コーパス文１１２ｍ及び図１２（ｂ）に示す構文情報１１１Ｂを取得する（Ｓ２０）。

次に、ブラケット付与手段１０１は、構文情報１１２Ｂの構造、つまり各品詞や句・節・項等のまとまりに基づいて識別用コーパス文１１２ｍに対してブラケットを付与する（Ｓ２１）。

図１３は、ブラケットの付与された識別用コーパス文の構成の一例を示す概略図である。

識別用コーパス文１１２ｂは、構文情報１１２Ｂの構造に基づいて付与されるブラケット１０１ａを有する。

次に、識別手段１０６は、識別用コーパス文１１２ｂのブラケット１０１ａごとに素性を抽出して、学習情報１１３と比較することにより正例か負例かを識別する（Ｓ２２）。詳しくは以下に説明する。

図１４（ａ）〜（ｃ）は、識別手段１０６の学習動作の一例を示す概略図である。

識別手段１０６は、図１４（ａ）に示す構文情報１１２Ｂにおいて、例えば、識別対象１１２０で示す動詞句以下の句・節・項や品詞の集合を、図１４（ｂ）に示す構文情報に書き換えたものを素性情報１１２ｃとして抽出し、学習情報１１３と比較することで、例えば、図１４（ｃ）に示す負例の学習情報１１３ａと類似していると判断した場合、素性情報１１２ｃを負例と識別するとともに、識別結果を識別情報１１４として記憶部１１に記憶する。

ステップＳ２２は、すべてのブラケット１０１ａに対して実行し（Ｓ２３）、正例と判断されたブラケット内の構文情報を用いてコーパスを仕様Ａに修正する（Ｓ２４）。

以上のステップＳ２１〜Ｓ２４を識別用コーパス１１２のすべての文に対して実行し（Ｓ２５）、動作を終了する。

［他の実施の形態］
なお、本発明は、上記実施の形態に限定されず、本発明の要旨を逸脱しない範囲で種々な変形が可能である。例えば、正例か負例かの判断は、Ｆ値が減少したか否かでなくとも、Ｆ値の減少が５以内の場合は正例、５より大きい場合は負例といったように、閾値で判断してもよい。また、Ｆ値以外の値を用いて構文の一致の度合いを算出してもよい。

また、上記実施の形態で使用されるコーパス取得手段１００と、ブラケット付与手段１０１と、構文解析手段１０２と、構文解析評価手段１０３と、ブラケット正負判定手段１０４と、学習手段１０５と、識別手段１０６と、コーパス修正手段１０７とは、ＣＤ−ＲＯＭ等の記憶媒体から装置内の記憶部に読み込んでも良く、インターネット等のネットワークに接続されているサーバ装置等から装置内の記憶部にダウンロードしてもよい。また、上記実施の形態で使用される手段の一部または全部をＡＳＩＣ等のハードウェアによって実現してもよい。

１…コーパス変換装置、１０…制御部、１１…記憶部、１００…コーパス取得手段、１０１…ブラケット付与手段、１０１ａ…ブラケット、１０１ｂ…限定ブラケット、１０１ｃ…確定ブラケット、１０１ｄ…限定ブラケット、１０２…構文解析手段、１０２Ｂ…構文情報、１０２ａ…構文解析結果、１０２ｂ…構文解析結果、１０３…構文解析評価手段、１０４…ブラケット正負判定手段、１０５…学習手段、１０６…識別手段、１０７…コーパス修正手段、１１０…コーパス変換プログラム、１１１…学習用コーパス、１１１Ａ…構文情報、１１１Ｂ…構文情報、１１１ｍ…学習用コーパス文、１１１ａ…構文情報、１１１ｂ…学習用コーパス文、１１１ｃ…学習用コーパス文、１１１ｄ…学習用コーパス文、１１１ｅ…学習用コーパス文、１１１ｆ…学習用コーパス文、１１１ｇ…学習用コーパス文、１１１ｈ…学習用コーパス文、１１２…識別用コーパス、１１２Ｂ…構文情報、１１２ｍ…識別用コーパス文、１１２ｂ…識別用コーパス文、１１２ｃ…素性情報、１１３…学習情報、１１３ａ…学習情報、１１４…識別情報、１１１０…学習対象、１１２０…識別対象

Claims (4)

1. コンピュータを、
   学習対象の文に関連付けられた第１の仕様の構文情報に基づいて、前記学習対象の文に構文解析の対象とする範囲の限定を付与する限定付与手段と、
   前記範囲に限定しない前記学習対象の文と前記範囲に限定した前記学習対象の文とを対象にして、前記第１の仕様とは異なる第２の仕様の構文情報に基づいて構文解析を実行し、前記範囲に限定しない前記学習対象の文を対象にした前記第２の仕様に基づく第１の構文解析結果と前記範囲に限定した前記学習対象の文を対象にした前記第２の仕様に基づく第２の構文解析結果とをそれぞれ出力する構文解析手段と、
   前記第２の仕様の構文情報と前記第１の構文解析結果の類似性を示す第１の評価結果と、前記第２の仕様の構文情報と前記第２の構文解析結果の類似性を示す第２の評価結果とを出力する評価手段と、
   前記第１の評価結果と前記第２の評価結果の変化量と、前記第２の構文解析結果とを関連付けた情報を学習情報として記憶することで学習する学習手段として機能させるための自然言語処理プログラム。
2. 前記限定付与手段は、識別対象の文に関連付けられた第１の仕様の構文情報に基づいて、前記識別対象の文に構文解析の対象とする範囲の限定を付与し、
   前記構文解析手段は、当該範囲に限定した前記識別対象の文を対象にして、前記第２の仕様の構文情報に基づいて構文解析して第３の構文解析結果を出力し、
   前記第３の構文解析結果と類似する前記第２の構文解析結果を前記学習情報から抽出して、抽出された当該第２の構文解析結果に関連付けられた前記第１の評価結果と前記第２の評価結果の変化量を当該第３の構文解析結果に適用し、当該範囲の限定が妥当か否かを識別する識別手段として前記コンピュータをさらに機能させるための請求項１に記載の自然言語処理プログラム。
3. 前記識別手段が妥当と識別した前記範囲の限定に対して得られた前記第３の構文解析結果を用いて、前記識別対象の文の構文情報を修正する修正手段として前記コンピュータをさらに機能させるための請求項２に記載の自然言語処理プログラム。
4. 学習対象の文に関連付けられた第１の仕様の構文情報に基づいて、前記学習対象の文に構文解析の対象とする範囲の限定を付与する限定付与手段と、
   前記範囲に限定しない前記学習対象の文と前記範囲に限定した前記学習対象の文とを対象にして、前記第１の仕様とは異なる第２の仕様の構文情報に基づいて構文解析を実行し、前記範囲に限定しない前記学習対象の文を対象にした前記第２の仕様に基づく第１の構文解析結果と前記範囲に限定した前記学習対象の文を対象にした前記第２の仕様に基づく第２の構文解析結果とをそれぞれ出力する構文解析手段と、
   前記第２の仕様の構文情報と前記第１の構文解析結果の類似性を示す第１の評価結果と、前記第２の仕様の構文情報と前記第２の構文解析結果の類似性を示す第２の評価結果とを出力する評価手段と、
   前記第１の評価結果と前記第２の評価結果の変化量と、前記第２の構文解析結果とを関連付けた情報を学習情報として記憶することで学習する学習手段とを有する自然言語処理装置。

Images