長い系列データに対するMarkov Logic Networkの適用

• 森田 一

• 奥村 学

• 東中 竜一郎

• 松尾 義博

書誌事項

タイトル別名

• Applying Markov Logic Network to Long Sequential Data

抄録

Twitter 上の対話はチャットのログ等とは異なり，発話にはリプライやリツイートといった明示的な形で他の発話と関連していることを示す情報が含まれる場合がある．そのため，これらの情報を積極的に利用することが Twitter 上の発話間の関係を同定する際には重要となる．関係の同定によく用いられている Markov Logic Network (MLN) 上で Twitter 特有の情報を利用し，発話間の関係の有無とその種類の同定を行うモデルを提案する．一方，発話系列には長さに制限がなく非常に長い対話となることもしばしば存在する．このような長い発話に MLN を適用する際に， MLN が大きな問題に対しては計算が困難であることが問題となる．本稿では MLN に対して SVM における動的素性に対応する動的述語を導入することにより，分割した系列に対して近似的に推論が行えるように MLN に対して拡張を行う．We propose a new model for identification of relations between utterances in Twitter conversations. Markov Logic Network (MLN) has been used for such relation identification. There is a large difference between Twitter conversation and other conversation logs. Sometimes, an utterance in Twitter has an explicit information indicating that the utterance have a relation with another utterance, such as reply and retweet. Therefore we employed the MLN for identification of utterance relations by introducing new predicates designed for Twitter. However, the MLN has a problem that cannot scale to large problems when we apply the model for long conversations. We addressed the problem by segmentation of such large scale problems. The segmentation helps to reduce computational complexity of the large scale problems without large loss of accuracy.

収録刊行物

• 研究報告自然言語処理（NL）

  研究報告自然言語処理（NL） 2012 (3), 1-6, 2012-11-15

詳細情報

• CRID: 1570291227912478208
• NII論文ID: 110009486729
• NII書誌ID: AN10115061
• 本文言語コード: ja
• データソース種別:
  • CiNii Articles