書名で キーワードで

詳細検索 >>

書籍詳細

自然言語処理シリーズ 9)

  構文解析

▼ 目次を読む

▼ 目次をたたむ

奥村学 東工大教授 工博 監修

鶴岡慶雅 東大准教授 博士(工学) 著

宮尾祐介 国立情報学研究所准教授 博士(情報理工学) 著

… 著者ホームページです

発行年月日:2017/08/10 , 判 型: A5,  ページ数:186頁

ISBN:978-4-339-02759-4,  定 価:2,592円 (本体2,400円+税)

構文解析技術は,機械学習,動的計画法,探索法,文法理論などといった自然言語処理の様々な場面で必要となる多くの技術の上に成り立っている。本書では構文解析の基礎技術についてわかりやすく解説した。

【目次】

1. はじめに
1.1 構文解析とは
1.2 なぜ構文解析を学ぶのか
1.3 本書の構成
1. はじめに
1.1 構文解析とは
1.2 なぜ構文解析を学ぶのか
1.3 本書の構成

2. 品詞解析と機械学習
2.1 品詞解析の役割
2.2 機械学習による品詞タグ付け
2.3 隠れマルコフモデル
 2.3.1 確率モデル
 2.3.2 Viterbiアルゴリズム
2.4 最大エントロピーモデル
2.5 最大エントロピーマルコフモデル(MEMM)
2.6 条件付き確率場(CRF)
2.7 構造化パーセプトロン
2.8 ビーム探索
2.9 生コーパスを利用した学習
 2.9.1 自己学習
 2.9.2 クラスタリング
2.10 浅い構文解析
2.11 日本語形態素解析
2.12 英語以外の言語
2.13 近年の動向

3. 句構造解析
3.1 句構造
3.2 文脈自由文法
 3.2.1 CKYアルゴリズム
 3.2.2 Earley法
3.3 確率文脈自由文法
 3.3.1 PCFGを用いたCKYアルゴリズム
 3.3.2 内側外側(Inside-Outside)アルゴリズム
3.4 確率文脈自由文法の拡張
 3.4.1 語彙化
 3.4.2 非終端記号の詳細化
3.5 識別モデルによる再順位付け
3.6 遷移型モデルによる句構造解析
3.7 評価法
3.8 近年の動向

4. 依存構造解析
4.1 依存構造とは
4.2 CKY法
4.3 Eisner法
4.4 MST法
4.5 遷移型依存構造解析
4.6 日本語構文解析
4.7 評価法
4.8 近年の動向
 4.8.1 高次の関係を用いた解析
 4.8.2 擬似非交差解析

5. 文法理論,深い構文解析
5.1 組合せ範疇文法(CCG)
5.2 主辞駆動句構造文法(HPSG)
5.3 深い構文解析
5.4 Supertagging
5.5 文法獲得
5.6 意味役割付与,格解析,述語項構造解析
5.7 Semantic Parsing
5.8 評価法
5.9 近年の動向

6. 構文解析の応用
6.1 情報抽出
6.2 単語クラスタリング
6.3 評判解析
6.4 機械翻訳
6.5 テキスト間含意関係認識

7. 構文解析ツール
7.1 Stanford Parser
7.2 Berkeley Parser
7.3 BLLIP Parser
7.4 Zpar
7.5 SyntaxNet
7.6 Mate
7.7 TurboParser
7.8 MaltParser
7.9 MSTParser
7.10 C&C Parser
7.11 EasyCCG
7.12 OpenCCG
7.13 Enju
7.14 KNP
7.15 CaboCha
7.16 KyTea
7.17 Jigg

8. ツリーバンク
8.1 Penn Treebank
8.2 Prague Dependency Treebank
8.3 Universal Dependencies
8.4 京都大学テキストコーパス
8.5 NAISTテキストコーパス
8.6 BCCWJ
8.7 PropBank

引用・参考文献
索引

人工知能関連書籍 特設ページ開設中!人工知能関連の書籍をまとめました。

【おすすめ本】

【レビュー】

読者モニターレビュー(‎@hiro5585様)
 構文解析とは,文の背後にある「構造」を抽出する処理のことを指します。
 例えば,どの単語とどの単語が一つのまとまりなのかであったり,どの単語がどの単語に係っているかなどを見つけることです。
 一方で,抽出した「構造」に「意味」を与えるのが文脈解析です。
今の例だと,ある単語が別の単語に係っている時に,どういう意味のある関係かを推定するのが文脈解析です。
 詳細はこちらに書いたので,詳しく知りたい方はこちらも読んでみて下さい(Qiitaサイト)。

 以下は,要点になります。
 自然言語処理シリーズの「文脈解析」本では,意味の概念やタスク設定などに重きを置いていましたが,この本では現実に解くことに主眼を置いており,手法の話が詳細に述べてあります。
 特に,系列に対する構造を推定する手法が説明されてあり,言語処理などの系列を扱うタスクに対する,機械学習の適用の仕方が学べます。
 内容はまず,シンプルなタスクに対して,機械学習をどう適用できるか説明して,その後に,その手法の課題点を挙げて,どのような改善がされているか説明しています。そのため,ストーリーを追いながら,手法が発展してきた経緯が分かるようになっています。
 「言語処理のための機械学習入門」で説明が少なかった,構造に対する手法の解説が詳しく書いてあり,非常に有益な情報が含まれていると思います。

 主立った章を簡単に俯瞰すると以下のような感じです。
 ①品詞解析と機械学習
 文の各単語に,どのように品詞を割り当てるか説明されてあり,品詞解析を題材にして,機械学習の基礎が学べるようになっています。
 ②句構造解析
 文を入力とし,句同士の包含関係を階層的にまとめあげる処理について説明されています。文をまとめあげるための文法について説明されてあり,実例からその挙動を理解できるようになっています。
 ③依存構造解析
 句同士の関係がどのようになっているかを解析するための手法が書かれており,句構造より更に上位の概念を取り扱う方法について述べてあります。

 この本では,機械学習を現実のタスクにどのように適用するかが書かれてあり,系列に対する特徴量の扱いや,構造の抽出方法など,他書にない内容が含まれています。
 より現実的に問題を解く方法について学びたい方や,人工知能に関するより深い技術を理解したい方に適した書だと思います。

在庫は時期によりまして変動することがございますので、ご了承ください。