著者
石井 裕志 馬 強 吉川 正俊
出版者
情報処理学会
雑誌
研究報告データベースシステム(DBS) (ISSN:09196072)
巻号頁・発行日
vol.2009, no.10, pp.1-8, 2009-11-13
参考文献数
10
被引用文献数
2

人々のより深いニュース理解を支援するシステム作成のために,事象間の因果関係をネットワーク構造を用いて表現する手法を提案する.我々はこれまで,原因事象を始点ノード,結果事象を終点ノードとしたエッジラベル付き有向グラフとして因果関係ネットワークを表す TEC モデルを提案してきた.本稿では,日本語文法の SVO 構造に着目し,ノードの保持するキーワードのうち因果関係を含む文節から得られるキーワード (事象キーワード) について改良し,因果関係を含む文節から得る主語 (Subject),動詞 (Verb),目的語 (Object) の 3 属性を事象キーワードとする手法を提案する.因果関係ネットワークを構築するために類似した事象を表すノード対をマージするが,ノード間の事象キーワードを属性ごとに抽象概念レベルで比較することで,類似した事象のノード対を発見する.また,記事タイトルに含まれる語を利用してトピックの類似する記事集合間だけでマージ計算を行い,計算量を減らす手法を提案する.また,実際の記事から因果関係を抽出してマージを行い,トピックの類似する記事間集合だけでマージ計算を行っても精度や再現率が低下しないことを確かめた.In this paper, we propose a novel Topic-Event Causal relation model (TEC model) and describe a method to construct a Causal Network in a TEC model to support understanding of news. In the TEC model, causal relations are represented by an edge-labeled directed graph. A source vertex represents the cause of an event, and a destination vertex represents the result of that event. In the model, each vertex includes two types of keywords: topic keywords, which describe topics, and event keywords, which describe events. Using the SVO structure of Japanese, we compose event keywords as three words(Subject, Verb, Object). If each concept of event keywords is equal between two vertcies, we merge the verticies, which represent the similar event. In the merging calculation, Using topic keyword decrease computational complexity. A preliminary experiment of vertices merging to assess the validity of the proposed method demonstrated its usefulness.

言及状況

Twitter (1 users, 1 posts, 0 favorites)

こんな論文どうですか? SVO構造を用いた因果関係ネットワーク構築手法について(石井 裕志ほか),2009 https://t.co/OLIutd0NNz

収集済み URL リスト