【研究分野】知能情報学

【研究領域課題番号】17200007 (KAKENデータベースで見る）

【研究キーワード】

WWW / 知識 / テキスト / マイニング / 用例検索 / 名寄せ / 用語抽出 / 機械学習 / 検索 / テキストマイニング / 半構造テキスト / ブログ / Trie / n-gram / 情報検索 / インデキシング / 自然言語処理 / 用例

【研究成果の概要】

本研究においては、膨大な量のWebページから、利用者が興味を持つ分野の知識を記述するテキストを抽出し表示するシステムを開発した。具体的には、以下のようなシステムを提案しプロトタイプおよび実用的なシステムを開発した。(1)利用者の検索エンジンなどで検索し指定したWebページから、既開発の用語抽出システム「言選Wbb」を用いて、そのページを特徴つける重要語を抽出するシステム。(2)こうして抽出した重要語集合の中から、その定義、あるいは複数の重要語の間の関係を知ることを目的とし、Webからの用例検索システムKiwiを利用して、それらの重要語を含む用例文を多数抽出するシステム。(3)ただし、(2)においてWebを直接に検索する従来の用例検索システムを、高速化するために、既存クローラで収集したWebページを対象にする新たな用例検索システムを開発し、UT-Kiwiとして公開した。(4)上記の用例検索の精度の向上を目的とし、同一名が異なる実体を参照する場合、別名が同一実体を参照する場合を解消するWeb名寄せのメカニズムを提案し、試作システムNayoseを構築した。(5)Webテキスト情報からの知識抽出の基礎となる機械学習アルゴリズムを開発した。(6)Webテキストの活用の狙って、Web上の英文テキストから穴埋め4択問題を自動生成するシステムSakumonを開発した。

【研究種目】基盤研究(A)

【研究期間】2005 - 2007

【配分額】43,420千円 (直接経費: 33,400千円、間接経費: 10,020千円)

【研究分野】日本文学

【研究領域課題番号】15320033 (KAKENデータベースで見る）

【研究キーワード】

古典文学 / 情報検索 / アノテーション / 日本古典 / 電子化テキスト / 検索 / メタデータ / 二分木 / SUFFIX ARRAY / 日本古典文学 / 検索法 / 総ルビ付き本文 / 返り点 / データベース / シソーラス / 標準訓読み / 画像本文 / テキストデータ

【研究成果の概要】

本研究では、日本古来の書物に現れる漢字・仮名交じり文の特質、多彩な書体や用字の混在、ルビや左注付き本文の実体、返り点などの漢文読み下し法など、日本独自の表記に即した国文学の各種情報の一般的な表記法とその上での検索手法について検討した。まず、実態調査をかねて、古典資料(里見八犬伝、枕草子、和漢朗詠集、源氏物語)のもとにその具体的な表記に係る問題点を整理した。検討の結果、表記の問題はいわゆる多重パラレルテキストと見なすことができ、近年、計算言語学で提案された、アノテーション・グラフ(AG)の考え方が適用できることが明らかになり、いくつか実例(湖月抄)について、AG表記を試みたところ、適用上重大な問題がないことが確認され、多重表記問題解決への糸口をつかんだ。

【研究種目】基盤研究(B)

【研究期間】2003 - 2006

【配分額】14,700千円 (直接経費: 14,700千円)