離散型共起表現

原文データの離れた場所に現れ、共起する2つ以上の文字列の組を抽出する方 法で、共起の仕方により、次の3つのタイプがある。図3を例とした 場合の抽出の組合わせを表1に示す。(実験では、頻度2以上 の共起する組を抽出対象とした)

• 無抑制型 共起する文字列が同一文中にあることだけを条件と して、抽出をする。
• 弱抑制型 上記の条件に加えて、抽出する文字列は互いに異な るもののみ抽出する。
• 強抑制型 上記の2つの条件に加えてさらに、抽出する表現の先 頭の文字列と末尾の文字列との間には、着目する文字列が2回以上現れない ものを抽出する。

図3から離散共起表現を抽出した場合、抑制の仕方を表 1に示す。図中の「○」は、左の表現が抽出されることを示 している。

例えば、(1)…(2)…(3)の共起表現は、どの抑制法においても抽出される。(1)… (3)…(2)の共起表現は、無抑制、弱抑制の場合にのみ抽出され、強抑制の場合 には抽出されない。

弱抑制では、「抽出する文字列は互いに異なるもののみ抽出する」という条件 のため、(1)…(2)…(3)のような共起表現は抽出するが、(1)…(2)…(2)のよう に同じ文字列を含む共起表現は抽出されない。

また、強抑制では、弱抑制に加えて「抽出する表現の先頭の文字列と末尾の文 字列との間には、着目する文字列が2回以上現れないものを抽出する」という 条件のため、(1)…(2)…(3)のような共起表現は抽出するが、(1)…(3)…(2)の ように抽出する表現の先頭の文字列と末尾の文字列との間に、(3)のような着 目する文字列が現われている共起表現は抽出されない。