実験の条件

クローズドテスト，クロスバリデーション，および，オープンテストを行う． 使用する文は以下のとおりである（表6.1，6.2，6.3）．

• 今田の例文（33文，正解データ33件）
• 2014年11月4日時点のWikipediaの「自動車」ページの名詞述語文（8文，正解データ11件）
• 2014年11月4日時点のWikipediaの「潜水艦」ページの名詞述語文（26文，正解データ27件）

型の内訳（今田の例文）

型の内訳（「自動車」の文）

表 6.1: 型の内訳（今田の例文）

型名	文数
範疇叙述型	17
属性叙述型	11
外延叙述型	5
合計	33

表 6.2: 型の内訳（「自動車」の文）

型名	文数
範疇叙述型	5
属性叙述型	4
外延叙述型	2
合計	11

表 6.3: 型の内訳（「潜水艦」の文）

型名	文数
範疇叙述型	11
属性叙述型	12
外延叙述型	4
合計	27

実験結果の表での手法の表記は，「意味属性を利用した照合結果の選択」は「意 味属性を利用」，「機械学習を利用した照合結果の選択」は「機械学習を利用」 と表記する．一致数は，型名および3つ組が正解データと全て同一の場合にカウ ントする． $T=\langle フィルタリングの対象数 \rangle$ であるが，照合結果数 であるので，入力文数よりも多い．現在行なっている照合結果の選択は，入力文 1文に対して照合結果を1つ選択するのではなく，フィルタリングを行う．ゆえに， 再現率$R$ （(6.1)式），適合率$P$ （(6.2)式），および， $F値$ （(6.3)式）を用いて，3つ組の抽出性能を評価する．

$$R = \frac{\langle 一致数 \rangle}{\langle 採用すべき数 \rangle}$$ (6.1)

$$P = \frac{\langle 一致数 \rangle}{\langle 採用数 \rangle}$$ (6.2)

$$F値 = \frac{2PR}{(P+R)}$$ (6.3)