入力文の格助詞ごとに学習データを分割した機械学習による受身文の能動文への変換における格助詞の変換

DOI Web Site 参考文献21件
  • 村田 真樹
    独立行政法人情報通信研究機構知識創成コミュニケーション研究センター
  • 金丸 敏幸
    独立行政法人情報通信研究機構知識創成コミュニケーション研究センター
  • 白土 保
    独立行政法人情報通信研究機構知識創成コミュニケーション研究センター
  • 井佐原 均
    独立行政法人情報通信研究機構知識創成コミュニケーション研究センター

書誌事項

タイトル別名
  • Machine-Learning-Based Transformation of Japanese Passive Sentences into Active by Separating Training Data into Each Input Particle
  • ニュウリョクブン ノ カクジョシ ゴト ニ ガクシュウ データ オ ブンカツシタ キカイ ガクシュウ ニ ヨル ウケミブン ノ ノウドウブン エノ ヘンカン ニ オケル カクジョシ ノ ヘンカン

この論文をさがす

抄録

We developed a new method of transforming Japanese case particles when transforming Japanese passive sentences into active sentences. This method separates training data into each input particle and uses machine learning for each particle. We also used numerous rich features for learning. Murata et al. conducted a previous study on transforming Japanese passive sentences into active sentences [2]. They used machine learning but did not separate training data for any input particles and did not have many rich features for learning. They achieved an accuracy rate of 89.77%. We added many rich features to those used in Murata et al.'s study and obtained an accuracy rate of 92.00%. In addition, we used our method of separating training data into each input particle and using machine learning for each particle, and obtained an accuracy rate of 94.30%. We confirmed the significance of these improvements through a statistical test. We also conducted experiments utilizing traditional methods using verb dictionaries and manually prepared heuristic rules and confirmed that our method achieved much higher accuracy rates than traditional methods.

収録刊行物

参考文献 (21)*注記

もっと見る

関連プロジェクト

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ