日本語意味変化検出のための評価データセットの構築と分析

要旨

<p>時代とともに意味が変化する単語をコーパスから自動的に検出・分析する研究は，自然言語処理の研究者から注目を集めている．英語やドイツ語などの言語では，時期の異なる学習用コーパス（通時コーパス）の公開や評価用単語セットの作成が進んでいるため，盛んに研究が行われているが，日本語では不十分である．そこで本研究では，日本語の評価用単語セット JaSemChange を作成した．作成にあたり，近代から現代までを扱う 3 つの通時コーパスを使用し，対象単語の用例ペアをサンプリングした．19 個の対象単語に関する合計 2,280 の用例ペアに対して 4 人の専門家が意味類似度をアノテーションし，それらを用いて単語の意味変化度合を算出した．その後，本評価セットを用いて，単語ベクトルに基づく意味変化検出手法の性能評価を行った．頻度に基づく手法をベースラインとし，タイプベースとトークンベースの代表的な手法の性能を比較し，それぞれの手法の特徴を議論した．本研究で作成した，意味変化度合が付与された単語セット，および用例ペアに対するアノテーションスコアは GitHub で公開した．</p>

主題