おわりに

本研究では，従来の情緒推定手法の問題点である 過剰な推定を抑制するために，判断条件の成立と不成立を 機械学習した「判断情報知識ベース」を構築した． 本知識ベースの構築に必要な原因文は， Kawaharaらの 5億文Webコーパスから，言語モデルを用いて抽出を行った．抽出の結果， 13,175文の原因文集を獲得した．そして，獲得した原因文集 を用いて，本知識ベー スの構築を行った結果， 10,323件のレコードを収録する知識ベースを構築することができた．

その後，情緒推定に本知識ベースを用いる本手法の評価を行うために， 5分割クロスバリデーション法を用いて 情緒推定実験を行った．実験の結果，誤り出力数は2813から419まで減少 し，情緒推定の適合率は56%から最大67%まで上昇することを確認した． 以上から，情緒推定に本知識ベースを用いることは， 過剰な推定の抑制に有効であることを示すことができた． しかし，再現率は従来の手法より低下していることが分かった．

再現率低下の主な原因は，本知識ベースのデータ不足である． それは，本知識ベースに頻度1のデータが67%含まれていることから 分かる． したがって，さらに多くの原因文を獲得し， 本知識ベースの規模を拡大させることが必要である．

また，本知識ベースの構築に利用する原因文としては不適当な 原因文が存在していることを確認した．獲得した原因文については， 今後クリーニング作業が必要である．

今後の課題は，本知識ベースの規模拡大と，原因文のクリーニング作業である．