パターン辞書を汎化しない推定法

${\eta}_{R1}$と${\eta}_{N}$のように近似的に対象辞書を構築せず，汎化の効 果を予想する推定法を検討する． そこで，本稿では，「時制・相・様相」のパターン辞書上の使用頻度 に関して求めた${\eta}_{d}$を提案する．

${\eta}_{d}$を求めるには，1パターンに対する汎化した箇所を求める．例えば，1パターンに対し1箇所汎化をした時，そのパターンは2倍 に増えたことになる．また，2箇所汎化をした時は，そのパターンは4倍に増えた ことになる．

以下に2箇所汎化した時の具体例を示す．
（汎化前）$N$1が$V$2.teiru.hitei。
（汎化後）$N$1が$V$2$\sharp$1[.teiru]$\sharp$2[.hitei]。
（汎化後のパターンの展開1） $N$1が$V$2。
（汎化後のパターンの展開2） $N$1が$V$2.teiru。
（汎化後のパターンの展開3） $N$1が$V$2.hitei。
（汎化後のパターンの展開4） $N$1が$V$2.teiru.hitei。

このように，汎化したことによって増えたパターンの総数を求め， その総数を基準パターンのパターン数で割ったものを${\eta}_{d}$とする． 汎化したことによって増えたパターンの総数は，すでに表4にまとめている． それぞれのパターン辞書の${\eta}_{d}$の値を表7にまとめる．

表7より，辞書(3)から辞書(13)の${\eta}_{R1}$，${\eta}_{N}$の値は ${\eta}_{d}$の値と近似している． しかし，辞書(2)と辞書(14)の${\eta}_{R1}$，${\eta}_{N}$は${\eta}_{d}$と値 がかなり異なっている．これは，可能な限り時制を汎 化したので，入力文と照合しないパターンが多数存在したためだと考えら れる．

これより${\eta}_{d}$は相・様相の汎化では汎化の効果の予測ができる．しかし， 時制の汎化では汎化の効果の予測はできないと考えられる．