概要

鈴木ら[1],[2]は機械翻訳の精度向上のために， 文構造と内容語から格助詞の推定を行っている． 推定は格助詞同定と分類の二段階で行っており， 格助詞同定では，各文節を格助詞が存在するかしないかの2分類を行う． 分類では，文節に格助詞が存在するもののうち「が，を，の，に，から，と，で，へ，まで，より」に 「は，には，からは，とは，では，へは，までは，よりは」を加えた18分類 を行う．推定手法には，最大エントロピー法を利用している． 正解率は，格助詞同定のクローズドテストにおいて0.984，オープンテストにおいて0.960であった． また，分類のクローズドテストにおいて0.886，オープンテストにおいて0.724の正解率であった． 鈴木ら[1],[2]と本研究との差異は，機械学習の手法の違いと，機械学習の分類数が違うことが挙げられる．本研究では，素性が増加することが予測されたので，過学習に強いSVMを利用した． また，分類数を18分類から2分類(「は・が」「に・へ」「に・を」「に・で」の２分類ごと）に減らすことによって， より細かな使い分けの分析を行った．