Semantic Computing is a field that combines elements of semantic analysis, natural language processing and data mining. Semantic Computing aims to solve three fundamental problems: to understand and express the intentions of users in a machine-understandable format; to understand and express the meaning of computational contents in a machine-understandable format; and mapping the semantics of user with that of content for the purpose of content retrieval, management, creation, etc. Machine-understandable format is very important for Semantic Computing since it is the way for computers to understand and communicate with users and vice-versa. At the present time, the Concept Description Language (CDL) is an artificial language that aims to become the standard to represent the meaning expressed in natural language texts in the form of a semantic graph, where nodes are unambiguous concepts and edges are relations between concepts. Unfortunately, there are not many tools to demonstrate its functionality and the few tools that are available are based on a fully automatic process (which increases the risk of incorrect conversion) or manual process (which takes long time for big amounts of text). In this work I propose a conversion mechanism to address the problem of converting natural languages into Concept Description Language (CDL) in a semi-automatic way. Since natural languages are ambiguous, I have included a Word Sense Disambiguation (WSD) method that selects sense candidates for words only when they have a high probability of being correct. Otherwise, it asks the user to select the right senses. The process begins with syntactic analysis, followed by WSD, conversion into semantic information and ends with the output in the available CDL formats: textual (understandable by computers) and graphical (understandable by humans). An optional step is to store the conversion into an XML file. One contribution of this work is that the methodology requires little human effort and improves the correctness of the conversion into CDL. Therefore, it will allow researchers to construct and evaluate CDL-annotated datasets efficiently.

本論文は「Semi-Automatic Conversion of Natural Language Text into Concept Description Language (CDL)(自然言語テキストのConcept Description Language (CDL)への半自動変換)」と題し,英文で記されており,7章から成る.

第1章「Introduction(序章)」であり,まずWeb空間を中心とする情報量の爆発的増大により,次第に意味に踏み込んだ情報検索や情報利用が必要とされてきているという研究の背景を述べている.2000年代初頭からW3Cを中心にメタデータ記述を対象として,コンピュータにも意味が理解できるように標準化を計るSemantic Webの活動があるが,これは領域毎の基本語彙の差異などの問題で必ずしも成功しているとは言い難い状況である.これとは異なり,本研究はWeb情報の中核的形態である自然言語テキストを対象とし,その表す表層的意味をコンピュータにも理解できる形で表現する記述言語Concept Description Language (CDL) を基盤として,上記のような意味計算(semantic computing)を実現するために必要とされる,自然言語テキストからCDLへ効率的に変換する課題に取り組んでいることを述べている.

第2章「Concept Description Language (CDL)」では,日本で開発されたCDLについて説明している.CDLは自然言語テキスト(英語,日本語,スペイン語,中国語,…などいずれの言語も対象とする)が表す概念レベルの意味(深い意味ではなく表層に近いレベルの意味)を,共通的な語彙セット(20万語以上)と44種の関係ラベルによって共通的に表す記述言語であり,これによってコンピュータが自然言語テキストの意味把握を可能にする.領域依存といった性格を持たず,共通性があるCDLは意味的検索を含む今後の広範な意味計算の基盤になり得るものとしている.本研究では立ち入らないが,異なる言語間での翻訳,意味の疎通の役割も果たすものとなる.CDLの関係ラベルの主なものはsemantic role(意味役割)であるが,英語に対して採用されているsemantic roleとは異なり, CDLのsemantic roleは多言語に共通的なものを採用しており,共通的概念記述言語として好ましいことを記している.CDLは語彙や概念を関係ラベルで結んだものが基本となるが,表現形としてはグラフ表現,テキスト表現,そしてRDF (Resource Description Framework) 表現がとられる.

第3章は「Related Work(関連研究)」である.まずCDLに先行して国連大学高等研究所(日本が拠点)で開発され,UNDL財団(ジュネーブと東京が拠点)で継続的に開発されているUniversal Networking Language (UNL)について記している.UNLは多言語翻訳におけるピボット言語(中間言語)を起源とし,主としてWebテキストにおける多言語間の情報流通を可能にするものとして設計,開発されてきた.CDLはUNLの基本語彙と関係ラベルとを受け継ぎながら,Web情報空間で馴染みやすく受け入れやすい記述形式を採り入れている.UNLシステムでは,自然言語テキストからUNLへの変換はルールベース翻訳技術に基づく自動変換機能が提供されているが,精度が十分でない問題が存在している.自動機械翻訳は進歩しつつあるものの,なお現実に要求される性能との間のギャップは大きい.なかなか超えられない壁であり,本研究で全自動でなく半自動変換のアプローチを探る背景となっている.本研究では,語義曖昧性解消(word sense disambiguation: WSD) を介する半自動変換のアプローチを採るとしている.

第4章は「The CDL Conversion Tool(CDL変換ツール)」である.自然言語テキストからCDLの自動変換では十分な精度が達成できないことから,人手が関与する半自動変換のアプローチが必要となるが,出来るだけ人間の負担は減らす形態でなければならない.本研究では,WSDを介するそのような半自動変換のアプローチを採り,その構成法,インタフェースについて記している.テキストをまず標準的な構文及び係り受け解析器により解析する.次いで,第5章で記すWSDにより各単語の語義同定の精度を上げる共に,次段の動詞と関連単語間の意味役割の同定を含むCDL関係同定の精度を向上させ,人手の関与の割合を減らすことが,ここで半自動変換の主要な考え方になっている.

係り受け関係にある動詞‐名詞間,名詞‐名詞間(これらの単語の語義はWSPにより定まっているとする)のCDL関係を識別するのに必要な変換ルールを用意し,CDL関係を持つCDL記述を生成する.WSDの誤り,ルールによる変換誤りにより,誤ったCDL記述も生成されるが,グラフ表示やテキスト表示の視覚的インタフェースを用意し,人手による修正を行い易くしている.

第5章「Word Sense Disambiguation(WSD) based on Context Expansion(文脈拡張による語義曖昧性解消)」では,第4章の半自動変換における変換性能を向上させるため,新規のWSDを考案,開発している.WSDにおいて用いられるのは,対象単語の文脈(周囲の単語の現れ方)の利用である.まず既存の方法として,1文中に現れている各単語語義の辞書での定義文における単語の重なり度合いから正しい確率が大の語義を選択する語彙知識に基づく方法,正しい語義が付与されているテキスト集合から学習した判別関数により判定を行うコーパスに基づく方法を記している.ここでは後者の方法を採るが,CDLでは語彙が付与された十分な量のテキスト集合が利用できないことから,コ-パスに基づく方法では十分な精度が得られないデータ・スパースネス問題が生じる.そこで,対象語の周辺文脈に出現する単語に関係の深い単語を追加して,拡張文脈単語ベクトルを特徴に用いて判定する方法を考案している.ここで,関係の深い単語は語義が分かった単語と品詞付き単語との共起マトリックスから得る.

第6章は「Experiments(実験)」であり,考案したWSD及び構築した自然言語テキストからCDLへの半自動変換ツールの実験結果を記している.WSDに関しては,名詞と動詞を対象として行っており,拡張する単語の重みの学習はL2正則化付きの回帰で行っている.判別関数の要素として単に1文に現れる単語とその文脈拡張単語を用いる場合と,2単語の積も2次特徴として用いる場合を実験している.積の2次特徴を用いる場合には特徴量が非常に増大してしまうため,ここでは上位50に制限している.実験により,積の2次特徴を用いる場合の方が良い判別性能が得られ,拡張文脈を用いてWSDの性能が向上できることを示している.

構築した半自動変換ツールは2名の被験者によりテストし,WSD判定結果を確定する適切なスレッショルド値を定め,スレッショルド値以下の単語の語義を表示して人による選択に委ねることによって,全自動変換より高い精度で語義を決定でき,全人手による決定よりも短時間で決定できることを示している.また,この語義決定後のルールによるCDL関係の決定は約86%の精度が得られることを示している.

第7章は「Conclusions and Future Work(結論と今後の研究)」であり,本論文の成果をまとめ,今後に必要とされる研究課題に言及している.

以上を要するに,本論文はWeb空間等における意味計算基盤としての自然言語テキストが表す概念意味の共通的記述言語であるConcept Description Language(CDL)に関し,自然言語テキストからCDLへの精度の高い全自動変換は現状では困難であることに鑑み,文脈単語拡張による新しい語義曖昧性解消(Word Sense Disambiguation: WSD) 法を介する,人手介在が少ない半自動変換法を提案,実装し,構築した半自動変換ツールの効果を実験的に検証している.これは今後の自然言語テキスト情報の意味計算へ向けての貢献が認められ,創造的実践の観点からも価値が認められる.

よって本論文は博士(情報理工学)の学位請求論文として合格と認められる.