著者
乾 健太郎 石井 雄隆 松林 優一郞 井之上 直也 内藤 昭一 磯部 順子 舟山 弘晃 菊地 正弥
出版者
一般社団法人 電子情報通信学会
雑誌
電子情報通信学会 基礎・境界ソサイエティ Fundamentals Review (ISSN:18820875)
巻号頁・発行日
vol.16, no.4, pp.289-300, 2023-04-01 (Released:2023-04-01)
参考文献数
54

自らの判断を説明できる能力は自然言語処理システムに期待される重要な要件である.説明はコミュニケーションであるから,説明できる能力についても,説明の目的や受け手との共通基盤化といったコミュニケーションの概念とリンクさせて研究することが望ましい.ライティング評価はそのような研究を進める格好の応用領域である.ライティング評価は,教育シーンにおいて学習者が産出するテキスト(記述式答案や論述文など)の質を評価・診断し,学習者にフィードバックすることによって学習を支援するタスク群を指す.教育目的の評価では説明は本質的に重要であり,したがってそこには説明の目的や手段など,教育学的な研究や実践の蓄積がある.ライティング評価ではそうした蓄積とリンクさせながら「説明できる自然言語処理システム」の研究を進めることができる.本稿では,ライティング評価における説明に焦点を当て,どのような評価タスクにどのような説明方法が考えられるか,どのような技術的実現手段が考えられるか,を論じる.近年の研究動向を概観しながら,内容選択,言語産出各レイヤの評価における説明生成の可能性を論じ,研究者のこの領域への参入を呼びかけたい.
著者
飯田 龍 小町 守 井之上 直也 乾 健太郎 松本 裕治
出版者
一般社団法人 言語処理学会
雑誌
自然言語処理 (ISSN:13407619)
巻号頁・発行日
vol.17, no.2, pp.2_25-2_50, 2010 (Released:2011-06-23)
参考文献数
25
被引用文献数
5 7

本論文では,日本語書き言葉を対象とした述語項構造と照応関係のタグ付与について議論する.述語項構造解析や照応解析は形態素・構文解析などの基盤技術と自然言語処理の応用分野とを繋ぐ重要な技術であり,これらの解析のための主要な手法はタグ付与コーパスを用いた学習に基づく手法である.この手法を実現するためには大規模な訓練データが必要となるが,これまでに日本語を対象にした大規模なタグ付きコーパスは存在しなかった.また,既存のコーパス作成に関する研究で導入されているタグ付与の基準は,言語の違いや最終的に出力したい解析結果の粒度が異なるため,そのまま利用することができない.そこで,我々は既存のいくつかのタグ付与の仕様を吟味し,述語項構造と共参照関係のアノテーションを行うためにタグ付与の基準がどうあるべきかについて検討した.本論文ではその結果について報告する.また,京都コーパス第 3.0 版の記事を対象にタグ付与作業を行った結果とその際に問題となった点について報告する.さらにタグ付与の仕様の改善案を示し,その案にしたがい作業をやり直した結果についても報告する.
著者
尾崎 大晟 中川 智皓 内藤 昭一 井之上 直也 山口 健史 新谷 篤彦
出版者
一般社団法人 人工知能学会
雑誌
人工知能学会全国大会論文集 第37回 (2023) (ISSN:27587347)
巻号頁・発行日
pp.4Xin111, 2023 (Released:2023-07-10)

教育現場をはじめ,批判的思考力の育成が求められている.議論における適切な反論例を被教育者に示すことは重要である.しかし,教育者が多様な反論例を考えたり,評価したりすることは負担が大きい.そこで本研究では,批判的思考力育成に有効かという観点から,昨今注目を浴びている大規模言語モデルであるGPT-3と,オンラインディベートフォーラムの議論を用いて,自動生成される反論文の品質評価,及びGPT-3を活用する上での生成文の高品質化可能性の検証考察をすることを目的とする.収集した議論例からGPT-3へのプロンプトを作成し,トピック毎に生成文をまとめ,収集した反論と生成した反論の同項目でのスコアリングによる人手での評価と,BERTScoreによる文章一致率評価をする.結果として「反論文単体での論理の正しさ」と「立論に対しての反論文になっているか」の項目において高い数値を得た.また生成した反論は収集した反論とBERTScore上高い類似度であることを示した.各評価項目毎の入力文と生成文の比較,並びに入力方式毎の生成の相違点,今後の課題について報告する.
著者
山本 風人 井之上 直也 渡邊 陽太郎 岡崎 直観 乾 健太郎
雑誌
研究報告音声言語情報処理(SLP)
巻号頁・発行日
vol.2012-SLP-91, no.9, pp.1-8, 2012-05-03

本稿では、重み付き仮説推論のパラメタを教師あり学習によって自動調整する手法を提案する。仮説推論は、与えられた観測に対して評価関数を最大化する最良の説明を求める推論であり、自然言語処理において文章に明示されていない情報の顕在化を行うことに対して有用な枠組みとして注目を浴びている。しかしその一方で、仮説推論の評価関数の学習手法が未だ提案されておらず、評価関数のパラメタの調整は、人手による調整やヒューリスティックな手法に頼らざるを得ないという問題があった。そこで我々は、仮説推論の拡張のひとつである重み付き仮説推論を対象として、仮説の証明木におけるリテラル間のコストの関係をフィードフォワードニューラルネットワークの形で表現することで、誤差に対する各パラメタの勾配を求め、評価関数のパラメタの識別学習を実現する。また、提案手法によって評価関数を学習できていることを確かめるために、既存のデータセットを用いて実験した結果についても報告する。