AdaBoostを利用した字幕テキストからの定型表現文章区間抽出

摘要

テレビ番組のナレーションでは、「場所紹介」や「人物紹介」など特定の事柄を表現するために同じような言い回しが多用される。 このような言い回しを含む文車区間が抽出できれば、対応する番組映像区間の場所紹介や人物紹介といったメタデータを付与することができる。 そこで本稿では、番組のクローズドキャプションを対象として定型表現を含む文章区間を抽出する手法を提案する。 提案手法では、複数文のテキストデータから木構造を生成して、木構造間の類似性を木構造に含まれる部分木の椒似度により評価する。この結果を弱学習器としたAdalBoostアルゴリズムにより学習を行い定型表現か否かの判定を行う。 紀行番組のクローズドキャプションを対象として、場所を映像とともに説明する定型表現文章区間を抽出する実験を行い、提案手法の有効性を確認した。