並列タイトル等Contextual information and semi-supervised models for transforming sentence to logical form representation
一般注記意味解析の改良をねらい，文脈素性を用いる方法を実装することを主に研究した．また，意味解析モデルを実装するのにラベルなしデータがどのように有効かについても研究しました． これらの点に関して，注釈のない大規模コーパスを語クラスタモデルによりモデル化し，識別学習モデルのための素性を抽出しました. 意味表現と自然言語文の同期モデルを学習するために，forest-to-string 法を適用した． この問題に対し，我々は，機械学習および線型計画法を用いて，法令条文の項(paragraph)の論理構造を2 段階で学習する新しい枠組みし示した． : The main goal of our research is to implement the method of using contextual features for improving semantic parsing problems. We also study how unlabeled data could help to implement semantic parsing model further. As a result, we exploited word-cluster models to model a large un-annotated corpus, to extract features for discriminative learning models. In addition, we also introduce a novel semi supervised learning model for semantic parsing with ambiguous supervision. We applied the forest-to-string method for learning the synchronous model between semantic representation and natural language sentence. We also present a novel two-phase framework to learn logical structures of paragraphs in legal articles using machine learning and integer linear programming.
研究種目：若手研究（Ｂ）
研究期間：2010～2011
課題番号：22700139
研究者番号：30509401
研究分野：統計的自然言語処理テキスト要約，機械翻訳，言語理解
科研費の分科・細目：情報学・知能情報学
identifier:https://dspace.jaist.ac.jp/dspace/handle/10119/10588
一次資料へのリンクURLhttps://dspace.jaist.ac.jp/dspace/bitstream/10119/10588/1/22700139seika.pdf
連携機関・データベース国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
提供元機関・データベース北陸先端科学技術大学院大学 : JAIST学術研究成果リポジトリ