| １ はじめに | |
| ２ 従来方式の精度と問題点 | |
| ３ 係り受け解析方式 | |
| ４ 提案方式の精度 | |
| ５ おわりに | |
| ＜謝辞＞ | |
| ＜参考文献＞ |
日本語の係り受け解析の方法として，従来，様々な方法が提案されてきたが， 長文に対してはほとんど無力であった。 最近，並列や呼応などの表層的な特徴を利用して長文にアプローチするなどの試みが始められ [池野93,黒橋92,奥村93]， 一定の効果を上げている。 これに対して，筆者らは，従属節述語の相互関係を手がかりにして係り受け解析を行なう方法を 提案し[白井93,白井94a]，処理系の試作を進めている。 本稿では，２項関係を中心とする従来方式[白井87]と対比することにより， 提案方式の長文に対する適用性を検討する。
本稿では，係り受け解析の従来方式として，筆者らが提案した２項関係を中心とする 方法[白井87]による解析結果を分析した。 この方式の概要は次の通りで，解析多義を許して正解含有率の向上を図る。
| �� | 文法情報によって文節の働きを分類する。 | |
| �� | あらゆる２文節間の係り受け可否を判定する。 | |
| �� | 係り受け属性別に係り受けペアを組み合わせる。 | |
| �� | 評価値に基づいて多義を絞り込む。 |
評価値としては，�△砲�いて係り受けペアに対する静的評価と， ��において係り受けペアの組み合わせ方に対する動的評価を使用する。 ただし，部分並列は該当文節の並列が得られれば正解とした。
新聞記事100文（日経産業新聞・情報欄リード文）に対する解析精度を表１に示す。 表から，40文字までは正解が生成されているが， 40文字を超えると解析多義がかなり増すとともに１位正解率や正解含有率も低下することがわかる。
| 文字数 | 文数 | １位正解 | 正解含む | 多義 | 文節 | 述語 |
| 6〜20 | 12 | 12(100%) | 12(100%) | 1.1 | 2.6 | 1.0 |
| 21〜40 | 32 | 24 (75%) | 32(100%) | 2.3 | 6.3 | 2.1 |
| 41〜60 | 36 | 26 (72%) | 33 (92%) | 5.6 | 9.4 | 2.6 |
| 61〜80 | 16 | 8 (50%) | 15 (94%) | 7.5 | 12.3 | 3.5 |
| 81〜111 | 4 | - ( 0%) | 3 (75%) | 7.0 | 12.0 | 5.0 |
| 合計 | 100 | 70 (70%) | 95 (95%) | 4.4 | 8.2 | 2.5 |
問題の所在を明らかにするため，係り受け属性別に集計した結果を表２に示す。 注記すれば，「有効＋不足」は正しい係り受けを生成するために必要最小限の係り受けペアであり， 「余分」は解析多義の原因となった係り受けペアである。 なお，「不足」の6件はいずれも�△涼奮�では抽出されたが，��の段階で組み合わせに失敗した。 表から，「並列」と「接続」の適合率の低さが目立つ。 解析精度を高めるにはこの２つの属性に関する対策が必要である。
| 係り受け属性 | 有効 | 不足 | 余分 | 再現率 | 適合率 |
| 連体(名→名) | 132 | - | 25 | 100.0% | 84.1% |
| 並列(名→名) | 42 | 1 | 39 | 97.7% | 51.9% |
| 埋込(述→名) | 69 | - | 14 | 100.0% | 83.1% |
| 格 (格→述) | 364 | 4 | 142 | 98.9% | 71.4% |
| 副詞(副→述) | 27 | - | 13 | 100.0% | 67.5% |
| 接続(述→述) | 87 | 1 | 58 | 98.9% | 60.6% |
| 合計 | 721 | 6 | 239 | 99.2% | 71.1% |
先に筆者らは，述語句の相互関係の特徴的事項と，名詞の並列関係の検定方法について 報告した[白井93,白井94a]。 本稿ではそのほかの係り受け関係の検定の際に必要に応じて多項関係を考慮することを提案する。 多項関係が有効となるのは， 例えば，「どんな/本を/読むか」において「どんな」と「か」の呼応関係を捉えたり， 「学生の/半数は/〜」において「半数」に「学生」の持つ意味属性を継承させたりする場合である。
具体的な係り受け解析の手順は次のようになる。
| �� | 文節の連接を見て述語句の認定と分類を行なう | |
| �� | 分類に基づいて述語句間の係り受けを決定する | |
| �� | 形式と類似性などに基づき並列関係を検出する | |
| �� | 部分的な並列関係があれば文節を適宜分割する | |
| �� | 多項関係により連体・格・副詞修飾等を決定する |
この処理は日本文書き替え処理[白井94b]と併せて ルールベースの処理として実現した。 ただし，[白井94a]における提案内容は処理の都合などの理由で すべてを実装していない。 また，�イ任脇嘘覆硫鮴�[横尾90]は併せて行なうようにした。
本節では，２節で用いた新聞記事100文に対して， ３節の方式により係り受け解析を行なった結果を，２節と同様の形式で， １文あたりの文字数別(表３)，係り受け属性別(表４)にそれぞれ集計した。 なお，部分並列に対する文節分割や同格認定， さらには意味解析により差異が吸収される解析結果を正解としたので， 表２と表４の属性数は一致しない。
| 文字数 | 文数 | １位正解 | 正解含む | 多義 | 文節 | 述語 |
| 6〜20 | 12 | 12(100%) | 12(100%) | 1.1 | 2.6 | 1.0 |
| 21〜40 | 32 | 28 (88%) | 32(100%) | 2.3 | 6.3 | 2.1 |
| 41〜60 | 36 | 20 (56%) | 36(100%) | 4.7 | 9.4 | 2.6 |
| 61〜80 | 16 | 8 (50%) | 16(100%) | 8.4 | 12.3 | 3.5 |
| 81〜111 | 4 | 3 (75%) | 4(100%) | 8.0 | 12.0 | 5.0 |
| 合計 | 100 | 71 (71%) | 100(100%) | 4.2 | 8.2 | 2.5 |
| 係り受け属性 | 有効 | 不足 | 余分 | 再現率 | 適合率 |
| 連体(名→名) | 127 | - | 4 | 100.0% | 96.9% |
| 並列(名→名) | 40 | - | 21 | 100.0% | 65.6% |
| 同格(名→名) | 7 | - | - | 100.0% | 100.0% |
| 埋込(述→名) | 69 | - | 15 | 100.0% | 82.1% |
| 格 (格→述) | 378 | - | 131 | 100.0% | 74.3% |
| 副詞(副→述) | 28 | - | 9 | 100.0% | 75.7% |
| 接続(述→述) | 75 | - | 32 | 100.0% | 70.1% |
| 合計 | 724 | 0 | 212 | 100.0% | 77.4% |
表３から，解析多義，１位正解率ともに従来方式と有意差はないが， 文が長くなっても正解を含む割合は100%を保っている。
また，表４から，係り受け属性別には，「並列」と「接続」の適合率がそれぞれ10%程度改善し， それに伴って「連体」「格」「副詞」の適合率も若干改善していると考えられる。
以上のように，述語句の相互関係と名詞の並列検定により， 従来方式に比べて一定の改善は達成したが， 解析多義の削減と１位正解率は同等程度に留まり，これらの向上が今後の課題と云える。
本稿では，100文の走行結果に基づいて， ２項関係を中心とした従来方式による係り受け解析結果の分析に基づき， 従属節の相互関係や名詞の並列関係を考慮する必要があること， また，それを考慮すれば長文に対しても精度の高い係り受け解析が可能であることを報告した。
今後は，[白井94a]で提案した内容の実装と 試験文の対象範囲の拡大により係り受け解析処理の頑健さを増すとともに， １位正解率の向上と解析多義の削減についても併せて検討する予定である。
係り受け解析処理の実現にご協力くださった松尾三津恵氏， 中村三紀氏を始めとするＮＴＴアドバンステクノロジの各位に感謝する。