mino8001/published_papers/1402691 吉田稔池田雅紀小野真吾佐藤一誠中川裕志 Person name disambiguation by term weighting via two-stage clustering 二段階クラスタリングを単語重み付与に応用した人名曖昧性解消日本データベース学会 DBSJ journal 日本データベース学会論文誌 1883-1060 9 2 19 24 20101100 mino8001/published_papers/1402692 Minoru Yoshida 吉田稔 Hiroshi Nakagawa 中川裕志 Akira Terada 寺田昭 Dynamic synonym candidates extraction for searching documents in a corpus コーパス検索支援のための動的同義語候補抽出 Japanese Society for Artificial Intelligence 社団法人人工知能学会 Transactions of the Japanese Society for Artificial Intelligence 人工知能学会論文誌 1346-8030 25 1 122 132 20100000 10.1527/tjsai.25.122 2-s2.0-77953283487 mino8001/published_papers/1402690 Minoru Yoshida Masaki Ikeda Shingo Ono Issei Sato Hiroshi Nakagawa Person Name Disambiguation by Bootstrapping SIGIR 2010: PROCEEDINGS OF THE 33RD ANNUAL INTERNATIONAL ACM SIGIR CONFERENCE ON RESEARCH DEVELOPMENT IN INFORMATION RETRIEVAL 10 17 20100000 10.1145/1835449.1835454 mino8001/published_papers/1402689 Minoru Yoshida 吉田稔 Issei Sato Hiroshi Nakagawa Akira Terada Mining Numbers in Text Using Suffix Arrays and Clustering Based on Dirichlet Process Mixture Models Proceedings of PAKDD-2010 230 237 20100000 10.1007/978-3-642-13672-6_23 mino8001/published_papers/1402693 Minoru Yoshida Hiroshi Nakagawa Akira Terada Gram-Free Synonym Extraction via Suffix Arrays Proceedings of the Fourth Asia Information Retrieval Symposium (AIRS 2008), 282 291 20080000 mino8001/published_papers/1402694 Minoru Yoshida Hiroshi Nakagawa Web document parsing: A new approach to modeling layout-language relations ICDAR 2007: NINTH INTERNATIONAL CONFERENCE ON DOCUMENT ANALYSIS AND RECOGNITION, VOLS I AND II, PROCEEDINGS 203 207 20070000 10.1109/ICDAR.2007.4378704 mino8001/published_papers/1402696 Minoru Yoshida Hiroshi Nakagawa Specification Retrieval -- How to Find Attribute-Value Information on the Web Proceedings of ijcNLP (International Joint Conference of Natural Language Processing) 520 527 20040000 mino8001/published_papers/1402695 Minoru Yoshida Kentaro Torisawa Jun'ichi Tsujii Integrating tables on the world wide web Transactions of the Japanese Society for Artificial Intelligence 1346-0714 19 6 548 560 20040000 10.1527/tjsai.19.548 2-s2.0-18544372574 mino8001/published_papers/1270397 Minoru Yoshida Kentaro Torisawa Extracting Ontologies from World Wide Web via HTML Tables This paper describes a method to extract ontologies from tables in the World Wide Web (WWW). A table can be seen as a device to describe relating objects by attributevalue pairs. The attributes specify the important information that we need to know for identification and utilization of the described objects. This property is the same as the requirement on generic ontologies. So, by properly processing a wide range of tables, we can construct ontologies. We proposed an unsupervised method for this task. The method utilizes the EM algorithm and can be seen as an unsupervised learning method. The effectiveness of our method is confirmed by a series of experiments. 1 null null mino8001/published_papers/1270396 Minoru Yoshida Kentaro Torisawa A method to integrate tables of the World Wide Web The World Wide Web (WWW) allows a person to access a great amount of data provided by a wide variety of entities. However, the content varies widely in expression. This makes it difficult to browse many pages effectively, even if the contents of the pages are quite similar. This study is the first step toward the reduction of such variety of WWW contents. The method proposed in this paper enables us to easily obtain information about similar objects scattered over the WWW. We focus on the tables contained in the WWW pages and propose a method to integrate them according to the type of objects presented in each table. The table integrated in a uniform format enables us to easily compare the objects of different locations and styles of expressions. null null mino8001/published_papers/1270395 Minoru Yoshida Shin Matsushima Shingo Ono Issei Sato ITC-UT: Tweet Categorization by Query Categorization for On-line Reputation Management Abstract. This paper describes our system, called ITC-UT, for the task-2 (on-line reputation management task) in WePS-3. Our idea is to categorize each query into 3 or 4 classes according to how much the tweets retrieved by the query contain the ``true '' entity names that refer to the target entity, and then categorize each tweet by the rules defined for each class of queries. We show the evaluation results for our system along with the details of results of query categorization. null null mino8001/misc/10595749 吉田稔 Lin,F.and Cohen,W.W.:Power iteration clustering(べき乗法クラスタリング),27th Int.Conf.on Machine Learning(ICML 2010),pp.655-662(2010) 社団法人人工知能学会人工知能学会誌 0912-8085 26 3 309 311 20110501 mino8001/misc/10595750 YOSHIDA Minoru 吉田稔 NAKAGAWA Hiroshi 中川裕志 Application of text mining(<Special feature>Data mining methodologies and application for libraries) テキストマイニングの活用(<特集>データマイニングの活用) Text mining is a task to apply data mining techniques to text data. In typical text mining approaches, data mining techniques are applied to some statistical data derived from text by using natural language processing technologies. In this article, we introduce what is text mining and natural language processing technologies needed for text mining. We also introduce our query support systems UT-Kiwi (for searching documents on the University of Tokyo Web site) and Wikiwi (for searching Wikipedia articles) as examples of text mining applications. 近年の電子的文書の増大に伴い,テキストマイニングの必要性が高まっている．テキストマイニングとは,テキストデータを対象としたデータマイニングであり,自然言語処理等の技術を用いることでテキストを加工し,データマイニング技術を適用することにより,今まで知られていなかった新しい知識を発見するための技術である．本稿では,テキストマイニングとは何かということについて簡単な解説を行うとともに,テキストマイニングに必要となる自然言語処理の紹介および,実際のテキストマイニングの応用として,筆者らが開発した検索システムUT-Kiwi,Wikiwiについて紹介を行う． Information Science and Technology Association (INFOSTA) 社団法人情報科学技術協会 The journal of Information Science and Technology Association 情報の科学と技術 0913-3801 60 6 230 235 20100601 10.18919/jkg.60.6_230 mino8001/misc/10595751 IKEDA Masaki 池田雅紀 SATO Issei 佐藤一誠 YOSHIDA Minoru 吉田稔 Nakagawa Hiroshi 中川裕志 6ZC-1 Person Name Disambiguation System by Semisupervised Learning 6ZC-1 半教師有り学習に基づくWeb上の人物クラスタリングシステム(情報爆発時代におけるWebパーティカル検索,学生セッション,「情報爆発」時代に向けた新IT基盤技術,情報処理学会創立50周年記念(第72回)全国大会) Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会全国大会講演論文集 72 5 "5 109"-"5-110" 20100308 mino8001/misc/10595752 Minoru Yoshida 吉田稔 Issei Sato 佐藤一誠 Hiroshi Nakagawa 中川裕志 Akira Terada 寺田昭 Mining Numbers in Text Using Suffix Arrays and Clustering Based on Dirichlet Process Mixture Models 接尾辞配列とディリクレ過程混合モデルを用いたテキスト中の数値表現マイニング We describe a text-mining system for interactively mining the relations between words and numbers. Texts such as newspaper articles or web documents have a lot of numbers references, such as "25 years old," "10,000 dollars," "31 May'"etc. It is important to provide systems that can mine these types of numbers just as though they were numeric data stored in databases. Our system enables us to search for ranges of numbers, and use the results for text mining. Both queries and resulting strings can be both strings and numbers (e.g., "200..800 dollars"). The system is based on suffix arrays aug... テキスト中には，「25 歳」「10000 円」等，数値としてデータベースに格納されているわけではないが，数字として表現された数値が存在する．本稿では，そのような「テキスト中に埋め込まれた数値」を対象とした，新しいマイニングシステムを提案する．提案システムは，「[200..800] 円」のような数値の範囲をクエリとして用いることができ，また，検索結果に現れる数値を，範囲表現として表示することができる．システムは，接尾辞配列を用いた文字列検索と，ディリクレ過程混合モデルを用いた数値クラスタリングにより実現される．また，応用として，数値範囲をクエリや結果に含む連接語抽出と同義語抽出の実行例を示す． Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会 IPSJ SIG Notes 情報処理学会研究報告. 情報学基礎研究会報告 0919-6072 2009 4 1 8 20091112 mino8001/misc/10595754 IKEDA MASAKI 池田雅紀 ONO SHINGO 小野真吾 SATO ISSEI 佐藤一誠 YOSHIDA MINORU 吉田稔 NAKAGAWA HIROSHI 中川裕志 Improvement Recall of Person Name Disambiguation on the Web People Search by TwoStage Clustering Web上の人名検索結果の同姓同名問題における二段階クラスタリングを用いた再現率向上情報処理学会研究報告. 情報学基礎研究会報告 0919-6072 95 null null 20090728 mino8001/misc/10595753 IKEDA MASAKI 池田雅紀 ONO SHINGO 小野真吾 SATO ISSEI 佐藤一誠 YOSHIDA MINORU 吉田稔 NAKAGAWA HIROSHI 中川裕志 Improvement Recall of Person Name Disambiguation on the Web People Search by TwoStage Clustering Web上の人名検索結果の同姓同名問題における二段階クラスタリングを用いた再現率向上教師なし学習によるクラスタリングに対して，半教師有り学習を適用する手法について提案する．クラスターの評価基準において，結果のクラスターにおける正解データの割合を表す適合率と正解データが結果のクラスターに含まれている割合を表す再現率が存在する．従来研究において，素性の種類を限定することによって特に高い適合率を持つクラスターを生成することが可能になった．これらの素性は疎であり，再現率を向上させることは困難である．一方，素性の中には，人物を識別する能力は弱いが，文書に含まれている数の多い素性が存在する．我々は半教師有り学習を適合率の高いクラスターに対して適用し，クラスターの再現率の向上させることを提案する．本研究では，ブートストラップ法として知られている Espresso を応用し，人名曖昧解消における半教師有り学習として用いる．This research proposes the application of semi-supervised learning to unsu- pervsed clustering. There are two criteria of cluster evaluation, or precision and recall. Precision is the ratio of true datas in the result cluster and recall is the ratio of true datas the result cluster has to all true data. In previous work, the selection of feature types enables to make high precision clusters, but these fea- tures are too sparse to imporve recall. On the otherhand, there are features that has poor discrimination capacity but are thick in the documents. We suggest to applicate semi-supervised learning to these high precision clusters and advance clusters' recall. In this research, we use Espresso that is bootstrap method in the information extraction for person name disambiguation as semi-supervised learning method. 情報処理学会情報処理学会研究報告. データベース・システム研究会報告 0919-6072 148 6 1 8 20090728 mino8001/misc/10595756 Kazuhiro Yoshida 吉田和弘 Minoru Yoshida 吉田稔 Hiroshi Nakagawa 中川裕志 Performance Evaluation of a Synonym Extraction System Based on String Search 文字列検索に基づく同義語・類義語抽出ツールとその性能評価 kiwii is a synonym extraction system that is based on string search using suffix arrays. The system can interactively extract synonyms of a given query from target documents. Synonym extraction from documents is a widely studied topic, and the most popular approach is to use vector space models, where the vectors are calculated from distribution of various features around words, and similarity of the vectors are used as similarity of the corresponding words. The kiwii system has several advantages that are difficult to achieve in conventional vector space models. In this paper, we evaluate ... 同義語・類義語抽出ツールkiwiiは，接尾辞配列による文字列検索を用いて，ユーザーのクエリに対してインタラクティブに対象文書中の同義語を提示するシステムである．文書からの同義語・類義語抽出としては，抽出対象の語句を，出現位置の周辺から取得した特徴量を用いてベクトル空間モデルで表現し，ベクトル間の距離の近い語句の対を抽出する手法が広く行われているが，kiwiiはそうした手法にはない利点を多く備えている．本稿では，このkiwiiシステムの同義語抽出精度やクエリに対する応答性を，青空文庫などを検索対象に用いて検証する． Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会 IPSJ SIG Notes 情報処理学会研究報告. SLP, 音声言語情報処理 0919-6072 2009 19 1 6 20090514 mino8001/misc/10595755 Kazuhiro Yoshida 吉田和弘 Minoru Yoshida 吉田稔 Hiroshi Nakagawa 中川裕志 Performance Evaluation of a Synonym Extraction System Based on String Search 文字列検索に基づく同義語・類義語抽出ツールとその性能評価 kiwii is a synonym extraction system that is based on string search using suffix arrays. The system can interactively extract synonyms of a given query from target documents. Synonym extraction from documents is a widely studied topic, and the most popular approach is to use vector space models, where the vectors are calculated from distribution of various features around words, and similarity of the vectors are used as similarity of the corresponding words. The kiwii system has several advantages that are difficult to achieve in conventional vector space models. In this paper, we evaluate ... 同義語・類義語抽出ツールkiwiiは，接尾辞配列による文字列検索を用いて，ユーザーのクエリに対してインタラクティブに対象文書中の同義語を提示するシステムである．文書からの同義語・類義語抽出としては，抽出対象の語句を，出現位置の周辺から取得した特徴量を用いてベクトル空間モデルで表現し，ベクトル間の距離の近い語句の対を抽出する手法が広く行われているが，kiwiiはそうした手法にはない利点を多く備えている．本稿では，このkiwiiシステムの同義語抽出精度やクエリに対する応答性を，青空文庫などを検索対象に用いて検証する． Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会 IPSJ SIG Notes 情報処理学会研究報告. 自然言語処理研究会報告 0919-6072 2009 19 1 6 20090514 mino8001/misc/10595757 MAEJIMA Kazuya 前島一弥 YOKOKAWA Tomohiro 横川智浩 YAMADA Koichi 山田剛一 KINUKAWA Hiroshi 絹川博之 YOSHIDA Minoru 吉田稔 NAKAGAWA Hiroshi 中川裕志 Query by Example Searching for Web Information in Tabular Formulation And Its Estimation 機械学習を用いた Web 表情報の例示検索方式とその評価電気学会研究会資料. IS, 情報システム研究会 2008 13 35 40 20080910 mino8001/misc/10595759 WANG Yuxin 王玉馨 SHIMIZU Nobuyuki 清水伸幸 YOSHIDA Minoru 吉田稔 NAKAGAWA Hiroshi 中川裕志 Automatic Synonym Acquisition through Word Similarity Network 単語類似度ネットワークを通じた自動同義語獲得(語彙・固有表現・同義語) Popular methods for acquiring synonymous word pairs from a corpus usually require a similarity metric between two words, such as cosine similarity. This metric enables us to retrieve words similar to a query word, and we identify true synonyms from the list of synonym candidates. Instead of stopping at this point, we propose to go further by analyzing word similarity network that are induced by the similarity metric for the edges with the similarities that are ranked as top threshold number. By introducing the rank threshold for synonym candidate selection method (RTS), our analysis shows t... コーパスから同義語の対を抽出するための一般的な方法では，通常二つ単語間の類似度(例えば，cosine類似度)が必要である．類似度を使用することで，特定のクエリ単語に対しての類似語ランキングが可能になり，同義語候補リストから正しい同義語が認定できる．この論文では，それに加えて,単語類似度ネットワークを分析する新しい方法を提案する．単語類似度ネットワークでは閾値以上の類似度をアークとして，単語をノードとして定義する．提案する自動同義語候補選択ためのランク閾値(Rank Threshold for synonym candidate Selection method, RTS)によって類似度の順位が閾値以内のアークが構成される単語類似度ネットワークはスケールフリーグラフである．この性質に基づいて，我々は新しい同義語候補のリランキング手法を提案する．これを相互リランキング法(Mutual Re-ranking Method, MRM)と呼ぶ．同義語獲得における提案手法の有効性を示すためにMRM方法をReuters-21578に適用した．実験結果によって，RTSとMRMが同義語抽出の品質の向上させることが示された． Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会 IPSJ SIG Notes 情報処理学会研究報告. 自然言語処理研究会報告 0919-6072 2008 46 7 14 20080515 mino8001/misc/10595758 WANG Yuxin 王玉馨 SHIMIZU Nobuyuki 清水伸幸 YOSHIDA Minoru 吉田稔 NAKAGAWA Hiroshi 中川裕志 Automatic Synonym Acquisition through Word Similarity Network 単語類似度ネットワークを通じた自動同義語獲得(語彙・固有表現・同義語) Popular methods for acquiring synonymous word pairs from a corpus usually require a similarity metric between two words, such as cosine similarity. This metric enables us to retrieve words similar to a query word, and we identify true synonyms from the list of synonym candidates. Instead of stopping at this point, we propose to go further by analyzing word similarity network that are induced by the similarity metric for the edges with the similarities that are ranked as top threshold number. By introducing the rank threshold for synonym candidate selection method (RTS), our analysis shows t... コーパスから同義語の対を抽出するための一般的な方法では，通常二つ単語間の類似度(例えば，cosine類似度)が必要である．類似度を使用することで，特定のクエリ単語に対しての類似語ランキングが可能になり，同義語候補リストから正しい同義語が認定できる．この論文では，それに加えて,単語類似度ネットワークを分析する新しい方法を提案する．単語類似度ネットワークでは閾値以上の類似度をアークとして，単語をノードとして定義する．提案する自動同義語候補選択ためのランク閾値(Rank Threshold for synonym candidate Selection method, RTS)によって類似度の順位が閾値以内のアークが構成される単語類似度ネットワークはスケールフリーグラフである．この性質に基づいて，我々は新しい同義語候補のリランキング手法を提案する．これを相互リランキング法(Mutual Re-ranking Method, MRM)と呼ぶ．同義語獲得における提案手法の有効性を示すためにMRM方法をReuters-21578に適用した．実験結果によって，RTSとMRMが同義語抽出の品質の向上させることが示された． Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会 IPSJ SIG Notes 情報処理学会研究報告. SLP, 音声言語情報処理 0919-6072 2008 46 7 14 20080515 mino8001/misc/10595760 TERADA AKIRA 寺田昭 YOSHIDA MINORU 吉田稔 NAKAGAWA HIROSHI 中川裕志 A System for Constructing a Synonym Dictionary 同義語辞書作成支援システム同義語の同定は,情報検索,テキストマイニングなどのテキスト処理を行う上で必要な作業である.同義語辞書を作成することにより,テキスト処理の効率や精度の向上を期待できる.特定分野における文書には,専門の表現が多く用いられており,その中には,分野独特の同義語が多量に含まれている.例えば,日本語の航空分野では,漢字·ひらがなだけでなく,カタカナ,アルファベット,およびそれらの略語が同義語として用いられている.この分野の同義語は,汎用の辞書に登録されていないものが多く,既存の辞書を使用できないので,辞書を新たに作成する必要がある.また,辞書作成後も常に新しい語が発生するので,辞書の定期的な更新が必要となるが,それを人手で行うのは大変な作業である.本論文では,同義語辞書作成を半自動化するシステムを提案する,システムは,クエリが与えられると意味的に同じ候補語を提示する.辞書作成者は,その中から同義語を選択して,辞書登録を行うことができる.候補語のクエリに対する類似度は,同義語の周辺に出現する語の頻度情報を文脈情報とし,その余弦から計算する.文脈情報のみでは十分な精度が得られない場合,既知の同義語を知識としてシステムに与えることにより,文脈語の正規化を行い,精度を向上できることを確認した.実験は,航空分野の日本語のレポートを対象とし,システムの評価には平均精度を用いて行い,満足できる結果が得... 言語処理学会,The Association for Natural Language Processing,(株)日本航空インターナショナル,東京大学情報基盤センター,Japan Airlines Co., Ltd.,Information Technology Center,The University of Tokyo Journal of natural language processing 自然言語処理 = Journal of natural language processing 1340-7619 15 2 39 58 20080410 10.5715/jnlp.15.2_39 mino8001/misc/10595761 Yoshida Minoru 吉田稔 Nakagawa Hiroshi 中川裕志 4J-4 UT-Kiwi : A Text-Mining-Based Query Support System 4J-4 UT-Kiwi : 検索支援としてのテキストマイニングシステム(情報爆発時代におけるデータマイニング,一般セッション,「情報爆発」時代に向けた新しいIT基盤技術) Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会全国大会講演論文集 70 5 "5 45"-"5-46" 20080313 mino8001/misc/10595762 Maejima Kazuya 前島一弥 Yokokawa Tomohiro 横川智浩 Yoshida Minoru 吉田稔 Yamada Koichi 山田剛一 Kinukawa Hiroshi 絹川博之 Nakagawa Hiroshi 中川裕志 D-5-8 Query by Example Searching for Web Information in Tabular Formulation And Its Estimation D-5-8 Web表情報の例示検索方式とその評価(D-5. 言語理解とコミュニケーション,一般セッション) The Institute of Electronics, Information and Communication Engineers 社団法人電子情報通信学会 Proceedings of the IEICE General Conference 電子情報通信学会総合大会講演論文集 2008 1 69 69 20080305 mino8001/misc/10595764 Maejima Kazuya 前島一弥 Yokokawa Tomohiro 横川智浩 Yoshida Minoru 吉田稔 Yamada Koichi 山田剛一 Kinukawa Hiroshi 絹川博之 Nakagawa Hiroshi 中川裕志 D-046 Query by Example Searching for Web Information in Tabular Formulation using Table Structures D-046 Web上の表情報を対象とした例示検索 : 表の構造的特徴の利用(D分野:データベース) FIT(電子情報通信学会・情報処理学会)推進委員会情報科学技術フォーラム一般講演論文集 6 2 113 114 20070822 mino8001/misc/10595763 Sugiura Takahiro 杉浦隆博 Yoshida Minoru 吉田稔 Yamada Kouichi 山田剛一 Masuda Hidetaka 増田英孝 Nakagawa Hiroshi 中川裕志 E-013 Mining News Articles by Numbers E-013 数値による新聞記事テキストマイニングシステムの提案(E分野:自然言語・音声・音楽) FIT(電子情報通信学会・情報処理学会)推進委員会情報科学技術フォーラム一般講演論文集 6 2 161 164 20070822 mino8001/misc/10595765 Terada Akira 寺田昭 Yoshida Minoru 吉田稔 Nakagawa Hiroshi 中川裕志 A Tool for Constructing a Synonym Dictionary using Context Information 文脈情報による同義語辞書作成支援ツール(語彙・概念の獲得と同義語) To improve the proficiency of text, processing such as information retrieval or text, mining, it is necessary to construct a synonym dictionary, but it is very tiresome to make it by hands. In some fields, such as aviation, synonym nouns are mixed with kanji/hiragana, katakana, alphabet and their abbreviations. As new words always come to be used, the dictionary update is a big issue. In this paper, we propose a tool for constructing a synonym dictionary. The system will return synonym candidates against a query. A synonym can be easily registered in dictionay by looking the synonym candida... 情報検索,テキストマイニングなどのテキスト処理の効率を向上させるには,同義語辞書の作成が必要である.航空などの分野では,漢字/ひらがなだけでなく,カタカナ,アルファベットおよびそれらの略語が同義語として用いられる.常に新しい語が発生するので,辞書の定期的な更新が必要となるが,それを人手で行うのは大変な作業である.本論文では,同義語辞書作成を半自動化するツールを提案する.システムは,クエリが与えられると意味的に同じ語の候補を提示する.辞書作成者は,その中から同義語を選択して,辞書登録を行うことができる.類似度は,前後に出現する単語の文脈情報により計算した.航空分野でのパイロットレポートを使用して実験を行い,その評価に平均精度を用いた. Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会 IPSJ SIG Notes 情報処理学会研究報告. 自然言語処理研究会報告 0919-6072 2006 124 87 94 20061122 mino8001/misc/10595766 Yokokawa Tomohiro 横川智浩 Yoshida Minoru 吉田稔 Yamada Koichi 山田剛一 Kinukawa Hiroshi 絹川博之 Nakagawa Hiroshi 中川裕志 D_049 Query by Example of Web Information expressed Tabular Formulation D_049 機械学習を用いたWeb上の表情報の例示検索方式(D分野:データベース) FIT(電子情報通信学会・情報処理学会)推進委員会情報科学技術フォーラム一般講演論文集 5 2 115 116 20060821 mino8001/misc/10595767 Moriyama Satoshi 森山聡 Tsujikawa Tohru 辻河亨 Yoshida Minoru 吉田稔 Nakagawa Hiroshi 中川裕志 Dependence of Test Collection on Term Extraction 専門用語抽出方法のテストコレクション依存性(抽出) Several methods that extract technical terms out of a group of documents have been proposed and those techniques are, at present, widely utilized. Besides, the majority of such methods are based on analysis of the statistics of term candidates that appear in the corpus. In this paper, we propose a new technique, which makes use of the graph structure acquired from the relationship between terms. Such examination has not been made so far. This paper reports the results of across-boundaries examinations of the differences in tendency by applying various techniques on term extraction from a di... コンピューター用語，医学用語などの専門用語を当該分野の文書群から抽出するという専門用語抽出は，その結果を広く応用できる有用な技術といえる．従来，様々なアプローチによって用語抽出の手法が提案されてきたが，対象となるテストコレクションによってその手法ごとの精度の差異を検討した研究は存在しなかった．これまで提案されてきた専門用語抽出手法の多くは，コーパスにおける用語候補出現の統計量を利用するものであった．そこで本稿では，このような手法の他に用語を構成する語基間のグラフ的関係から用語抽出を行う手法にも着目し，種々のWeb用語辞書や毎日新聞Web記事など用語抽出の正解集合が用意可能なテストコレクション複数について実験結果を横断的に考察した．実験の結果，統計量を重視する手法ではテストコレクションの大きさが増すほど精度が向上するという結果を得たが，その一方でグラフ構造に着目する手法はその精度がテストコレクションの大きさではなく性質に大きく左右されることがわかった． Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会 IPSJ SIG Notes 情報処理学会研究報告. 自然言語処理研究会報告 0919-6072 2004 47 9 15 20040513 mino8001/misc/10595768 TSUJIKAWA Tohru 辻河亨 YOSHIDA Minoru 吉田稔 NAKAGAWA Hiroshi 中川裕志 Term Extraction based on the structure of terminology set 語彙空間の構造に基づく専門用語抽出(抽出(2)) Many methods to evaluate termhood of word sequences extracted from documents have been proposed. The majority of them use the statistics of term candidates appearing the corpus. The ignored side, however, is the graph structure whose nodes are basic terms that consist of complex terms. That is exactly what we focus on in this paper. We propose term extraction algorithms which utilize this graph structure. More precisely, the proposed methods assume the whole set of compound terms as a graph and applies web mining method to term extraction. The nodes are element words, the edges coincide wit... 文書中から用語抽出を行う手法としては様々なものが提案されているが,多くはコーパスにおける用語候補の使用における統計量を利用するものであった．本稿では,これまで光が当てられていなかった用語を構成する語基間の関係について,そのグラフ構造に着目する．まずグラフにおける局所的ないし大域的構造を反映する用語抽出の指標を新たに提案し,その上で提案した用語抽出のいくつかの指標,およびそれらの組み合わせを,複数のコーパスを用いて実験的に評価した結果について報告する． Information Processing Society of Japan (IPSJ) 一般社団法人情報処理学会 IPSJ SIG Notes 情報処理学会研究報告. 自然言語処理研究会報告 0919-6072 2004 1 155 162 20040113 mino8001/books_etc/8740262 Minoru Yoshida Kentaro Torisawa Jun'ichi Tsujii Web Document Analysis: Challenges and Opportunities World Scientific 20030000