実験結果

パターンベース法を使用して抽出した100文のデータを学習データとして用い， 変遷情報が含まれているかの判定を機械学習で行う． 実験は10分割のクロスバリデーションで行っている．

表4.4に結果を載せる． ここでの再現率の分母はパターンベース法で抽出した100文を利用している． なお，表4.4の「パターンベース法＋SVM」は 4.1節のパターンベース法により変遷情報の候補を取りだし， SVMにより変遷情報が含まれているかの判定を行った方法であり， 「パターンベース法＋ME」は4.1節のパターンベース法により 変遷情報の候補を取りだし，MEにより変遷情報が含まれているかの判定を行った方法である．

表: 変遷情報の自動抽出の性能

	パターンベース法のみ			1.00			0.76			0.86			0.76
	パターンベース法＋SVM			0.92			0.90			0.91			0.87
	パターンベース法＋ME			0.93			0.86			0.89			0.84

結果としては，SVM，MEを追加して行った方法の両方でパターンベース法のみの方法よりもF値が上昇した． 変遷情報を抽出する際，機械学習を使用することが効果的であることが確認できた．