おわりに

日本語学習者の支援のために， 本研究では，機械学習を利用した助詞の推定を行った． 実験を行う前に，助詞の使い分けが必要か否かを，対象の助詞に対して調査した． 結果から，使い分けが必要な助詞は9〜10割程度であり，本研究の必要性が確認できた． 実験の結果，「は・が」の分類におけるSVMの正解率は0.760，「が」の推定はF値0.768(再現率：0.765，適合率：0.772)，「は」の推定はF値0.751(再現率：0.755，適合率：0.748)であった． また，「に・で」「に・を」の分類において，SVMの手法が比較手法の中で最も高い値となった．また，「に・へ」においては全て「に」でない以外の手法がほぼ同等の正解率であった． 実験データにおいて素性の分析（素性の取捨に基づく分析，素性の頻度分析）を行い， 「が・は」の使い分けに役立つ表現を獲得した． 副助詞「は」になりやすい表現として， 述部に存在する助詞「だ」があった． また，「に・へ・で・を」の使い分けに役立つ表現を多数獲得した． これらの知見は，今後の助詞に関わる 研究に役立つと思われる．

また，推定結果の誤り解析を行い，誤った原因を調査した． 結果から，「に・へ」「に・で」において素性が不足している可能性があることがわかった． 素性を拡充することで，さらなる正解率の向上が期待される．