前方文脈を考慮した冠詞推定における新聞記事コーパスの選択

摘要

英文書中ゐ冠詞推定手法として，正しく書かれた文書を学習させ，学習した冠詞周辺の情報を利用し，最大エントロピー分類器を用いて冠詞を推定する手法が高い精度を示している．しかしながら，このような従来手法では，定冠詞也Cの推定精度が低いという問題点が未だ残されている．言語学的な観点から，冠詞推定に前方の文脈が考慮されていない事がひとつの原因である．そこで，我々は，従来手法に加え，定冠詞が付与された名詞の前方文脈に出現しやすい名詞（共起語）をtheの決定要因として考慮する事で推定精度を向上させた．しかし，この共起語の中には，冠詞付与対象名詞と同一の主名詞，類義語など以外に，対象名詞からの関連語，連想語も含まれる．対象名詞からどのような単語を連想するかは，（書き手と読み手が属する）分野，時代背景，コミュニティにより異なる．これを近似的に実証するために，学習コーパスから，前後1ケ月，半年，1年，8年の年月差のある記事群を各評価コーパスとし，推定精度の変化を検証した．この結果，推定精度の向上幅が，冠詞付与対象名詞により変化し，直近の前後1ケ月が最も高くなる傾向が確認された．