JP6291443B2 - 接続関係推定装置、方法、及びプログラム - Google Patents
接続関係推定装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6291443B2 JP6291443B2 JP2015050084A JP2015050084A JP6291443B2 JP 6291443 B2 JP6291443 B2 JP 6291443B2 JP 2015050084 A JP2015050084 A JP 2015050084A JP 2015050084 A JP2015050084 A JP 2015050084A JP 6291443 B2 JP6291443 B2 JP 6291443B2
- Authority
- JP
- Japan
- Prior art keywords
- sentence
- concept
- concept vector
- vector
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Description
20 演算部
30 言語解析部
32 概念ベクトル作成部
34 接続関係推定部
50 出力部
100 接続関係推定装置
130 単語概念ベクトル付与部
132 文概念ベクトル生成部
140 単語概念ベクトルDB
142 RAEモデル記憶部
230 素性作成部
232 接続関係候補推定部
234 接続関係決定部
240 接続関係推定モデル記憶部
Claims (8)
- 文のペアの接続関係を表す接続関係ラベルを推定する接続関係推定装置であって、
単語の意味を表す概念ベクトルの集合に基づいて、前記文のペアに含まれる文の各々について、前記文に含まれる各単語の概念ベクトルを用いて、複数種類の文字列単位の各々に対し、前記文に含まれる前記文字列単位の各々の概念ベクトルを作成する概念ベクトル作成部と、
前記概念ベクトル作成部により前記文のペアの一方の文について作成された前記概念ベクトルの何れかと、前記文のペアの他方の文について作成された前記概念ベクトルの何れかとを組み合わせた組み合わせの各々に対し、前記組み合わせの前記概念ベクトルに基づいて素性ベクトルを作成し、前記作成された素性ベクトルの各々について、前記素性ベクトルと、予め学習された前記接続関係ラベルを推定するための接続関係推定モデルとに基づいて、前記接続関係ラベルに対する尤度を推定し、前記素性ベクトルの各々について推定された前記接続関係ラベルに対する尤度に基づいて、前記文のペアの接続関係ラベルを推定する接続関係推定部と、
を含む接続関係推定装置。 - 前記複数種類の文字列単位は階層関係を有し、
前記概念ベクトル作成部は、前記概念ベクトルの集合に基づいて、前記文のペアに含まれる文の各々について、前記文に含まれる単語の各々に対して前記概念ベクトルを付与する単語概念ベクトル付与部と、
前記文のペアに含まれる文の各々について、前記単語概念ベクトル付与部によって前記文に含まれる単語の各々に対して付与された前記概念ベクトルに基づいて、最下位の階層の文字列単位から順に、前記複数種類の文字列単位の各々について、前記文に含まれる前記文字列単位の各々の概念ベクトルを再帰的に作成する文概念ベクトル生成部とを含む請求項1に記載の接続関係推定装置。 - 前記複数種類の文字列単位を、文節、述語項、及び文とした請求項1又は請求項2に記載の接続関係推定装置。
- 前記文概念ベクトル生成部は、
前記単語概念ベクトル付与部によって前記文に含まれる単語の各々に対して付与された前記概念ベクトルに基づいて、前記文に含まれる文節の各々について、前記文節に含まれる単語の各々の前記概念ベクトルを合成して、前記文節の概念ベクトルを生成し、
前記文に含まれる述語項の各々について、述部となる文節の前記概念ベクトルと、前記述部と係り受け関係を有する文節の前記概念ベクトルを合成して、前記述語項の概念ベクトルを生成し、
前記文について、前記文に含まれる文節の各々の前記概念ベクトルを合成して、前記文の概念ベクトルを生成する請求項3記載の接続関係推定装置。 - 文のペアの接続関係を表す接続関係ラベルを推定する接続関係推定装置における接続関係推定方法であって、
概念ベクトル作成部が、単語の意味を表す概念ベクトルの集合に基づいて、前記文のペアに含まれる文の各々について、前記文に含まれる各単語の概念ベクトルを用いて、複数種類の文字列単位の各々に対し、前記文に含まれる前記文字列単位の各々の概念ベクトルを作成するステップと、
接続関係推定部が、前記概念ベクトル作成部で作成するステップにより前記文のペアの一方の文について作成された前記概念ベクトルの何れかと、前記文のペアの他方の文について作成された前記概念ベクトルの何れかとを組み合わせた組み合わせの各々に対し、前記組み合わせの前記概念ベクトルに基づいて素性ベクトルを作成し、前記作成された素性ベクトルの各々について、前記素性ベクトルと、予め学習された前記接続関係ラベルを推定するための接続関係推定モデルとに基づいて、前記接続関係ラベルに対する尤度を推定し、前記素性ベクトルの各々について推定された前記接続関係ラベルに対する尤度に基づいて、前記文のペアの接続関係ラベルを推定するステップと、
を含む接続関係推定方法。 - 前記複数種類の文字列単位は階層関係を有し、
前記概念ベクトル作成部が作成するステップは、単語概念ベクトル付与部が、前記概念ベクトルの集合に基づいて、前記文のペアに含まれる文の各々について、前記文に含まれる単語の各々に対して前記概念ベクトルを付与するステップと、
文概念ベクトル生成部が、前記文のペアに含まれる文の各々について、前記単語概念ベクトル付与部によって前記文に含まれる単語の各々に対して付与された前記概念ベクトルに基づいて、最下位の階層の文字列単位から順に、前記複数種類の文字列単位の各々について、前記文に含まれる前記文字列単位の各々の概念ベクトルを再帰的に作成するステップとを含む請求項5に記載の接続関係推定方法。 - 前記複数種類の文字列単位を、文節、述語項、及び文とした請求項5又は請求項6に記載の接続関係推定方法。
- コンピュータを、請求項1〜請求項4のいずれか1項に記載の接続関係推定装置を構成する各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015050084A JP6291443B2 (ja) | 2015-03-12 | 2015-03-12 | 接続関係推定装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015050084A JP6291443B2 (ja) | 2015-03-12 | 2015-03-12 | 接続関係推定装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016170636A JP2016170636A (ja) | 2016-09-23 |
JP6291443B2 true JP6291443B2 (ja) | 2018-03-14 |
Family
ID=56983877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015050084A Active JP6291443B2 (ja) | 2015-03-12 | 2015-03-12 | 接続関係推定装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6291443B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11042796B2 (en) | 2016-11-03 | 2021-06-22 | Salesforce.Com, Inc. | Training a joint many-task neural network model using successive regularization |
JP7024262B2 (ja) * | 2017-08-31 | 2022-02-24 | 富士通株式会社 | 学習方法、学習結果の利用方法、学習プログラムおよび学習装置 |
JP6709812B2 (ja) * | 2018-02-16 | 2020-06-17 | 日本電信電話株式会社 | 関係性推定モデル学習装置、方法、及びプログラム |
JP7126360B2 (ja) * | 2018-03-01 | 2022-08-26 | 株式会社牧野フライス製作所 | 工具経路を生成するための方法及び装置 |
JP7139626B2 (ja) * | 2018-03-02 | 2022-09-21 | 日本電信電話株式会社 | フレーズ生成関係性推定モデル学習装置、フレーズ生成装置、方法、及びプログラム |
JP6603828B1 (ja) * | 2018-03-02 | 2019-11-06 | 日本電信電話株式会社 | フレーズ生成モデル学習装置、フレーズ生成装置、方法、及びプログラム |
CN111967256B (zh) | 2020-06-30 | 2023-08-04 | 北京百度网讯科技有限公司 | 事件关系的生成方法、装置、电子设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2877404B2 (ja) * | 1989-12-28 | 1999-03-31 | 三洋電機株式会社 | 日本語解析処理方式 |
US9400778B2 (en) * | 2011-02-01 | 2016-07-26 | Accenture Global Services Limited | System for identifying textual relationships |
-
2015
- 2015-03-12 JP JP2015050084A patent/JP6291443B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016170636A (ja) | 2016-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6291443B2 (ja) | 接続関係推定装置、方法、及びプログラム | |
CN111368996B (zh) | 可传递自然语言表示的重新训练投影网络 | |
CN108628823B (zh) | 结合注意力机制和多任务协同训练的命名实体识别方法 | |
Luan et al. | Scientific information extraction with semi-supervised neural tagging | |
Yu et al. | Learning composition models for phrase embeddings | |
Qiu et al. | Learning word representation considering proximity and ambiguity | |
CN109710744B (zh) | 一种数据匹配方法、装置、设备及存储介质 | |
CN112364638B (zh) | 一种基于社交文本的人格识别方法 | |
CN111274790B (zh) | 基于句法依存图的篇章级事件嵌入方法及装置 | |
Burdisso et al. | τ-SS3: A text classifier with dynamic n-grams for early risk detection over text streams | |
JP6729095B2 (ja) | 情報処理装置及びプログラム | |
CN111222318A (zh) | 基于双通道双向lstm-crf网络的触发词识别方法 | |
Gasmi et al. | Cold-start cybersecurity ontology population using information extraction with LSTM | |
CN116521882A (zh) | 基于知识图谱的领域长文本分类方法及系统 | |
Hovy | Text analysis in python for social scientists: Prediction and classification | |
CN114722833A (zh) | 一种语义分类方法及装置 | |
JP2016224483A (ja) | モデル学習装置、方法、及びプログラム | |
Kocmi et al. | SubGram: extending skip-gram word representation with substrings | |
CN113268974A (zh) | 多音字发音标注方法、装置、设备及存储介质 | |
Zheng et al. | Character-based parsing with convolutional neural network | |
Han et al. | Lexicalized neural unsupervised dependency parsing | |
CN111723301B (zh) | 基于层次化主题偏好语义矩阵的关注关系识别及标注方法 | |
CN110633363B (zh) | 一种基于nlp和模糊多准则决策的文本实体推荐方法 | |
Kirsch et al. | Noise reduction in distant supervision for relation extraction using probabilistic soft logic | |
CN110275957B (zh) | 姓名消歧方法、装置、电子设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170210 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171225 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180209 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6291443 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |