おわりに

本研究では冗長な文を 冗長な文を修正する方法として， パターンを用いた手法と機械学習を用いた手法を提案した． 「可能」「という」「すること」の存在が原因となって冗長と なった文を修正する実験を行った． 修正前と修正後の両方の表現を推定する場合，機械学習が関係する手法では，6割の正解率を得た． 修正後の表現のみを推定する場合においても，機械学習が関係する手法で，7割の正解率を得た． 修正後表現だけがわかる場合でも 文書の修正作業を行う作業者にとって有用な場合があるので， 修正後表現のみの推定で7割以上の正解率を得ることができたことは有益な結果である． 以上により，「可能」「という」「すること」については， 機械学習を用いる手法が ある程度冗長な表現の修正に役立つことがわかった．

冗長な文章での実験では，次の知見が得られた． 冗長な文章の分析により典型的な3種類の分類を示した． また機械学習を用いる手法と，冗長度を用いる手法により冗長な文章を検出した．機械学習を用いた実験では機械学習の素性として 「冗長度」を利用した際の正解率が最も高かった． 機械学習を用いた手法の正解率(0.66)が，冗長度を用いる手法の正解率(0.65)と同程度の正解率であった． 1文における冗長な文において先行研究[6]の機械学習に冗長度を素性に追加したところ性能向上が見られた．冗長度を用いる手法が機械学習の手法より高い性能 を出す場合があることが確認できた．