[論文レビュー] The syntactic processing of particles in Japanese spoken language

Melanie Siegel|ArXiv.org|Jun 2, 1999

Syntax, Semantics, Linguistic Variation参考文献 9被引用数 7

ひとこと要約

本稿では、800通の会話の実地的分析に基づき、句読点の句別分類を提示する。この分類は、格助詞の文法的挙動を従属語と修飾パターンによってモデル化し、助詞の曖昧さ、共起、頻繁な省略にもかかわらず、話言語における堅牢な文法的処理を可能にする。このシステムは、文法的構造の特定と解析精度の向上を図るために、VERBMOBILの日本語構文部に統合されている。

ABSTRACT

Particles fullfill several distinct central roles in the Japanese language. They can mark arguments as well as adjuncts, can be functional or have semantic funtions. There is, however, no straightforward matching from particles to functions, as, e.g., GA can mark the subject, the object or an adjunct of a sentence. Particles can cooccur. Verbal arguments that could be identified by particles can be eliminated in the Japanese sentence. And finally, in spoken language particles are often omitted. A proper treatment of particles is thus necessary to make an analysis of Japanese sentences possible. Our treatment is based on an empirical investigation of 800 dialogues. We set up a type hierarchy of particles motivated by their subcategorizational and modificational behaviour. This type hierarchy is part of the Japanese syntax in VERBMOBIL.

研究の動機と目的

• 話言語処理における日本語助詞の文法的曖昧さと省略の課題に対処すること。
• 従属語と修飾の役割を含めた、助詞の文法的挙動に基づく体系的な分類を構築すること。
• 話言語における助詞の省略や共起にもかかわらず、文法的項（例：主語、目的語）の正確な特定を可能にすること。
• 日本語向けのVERBMOBIL話言語翻訳システムにおける堅牢な自然言語理解を支援すること。

提案手法

• 実際の日本語話言語における助詞の使用パターンを収集・分析するため、800通の会話の実地的調査。
• 従属語的および修飾的挙動に基づく助詞のタイプ階層の構築。機能的および意味的役割の区別を含む。
• 助詞のタイプ階層を用いて、助詞が省略された場合でも項構造を推論できる文法的処理モジュールの設計。
• 助詞分析をVERBMOBILの日本語構文部に統合し、解析の堅牢性を向上させること。
• コーパスベースのデータを用いて、文脈における助詞の共起と解釈の曖昧さの解消をモデル化すること。

実験結果

リサーチクエスチョン

• RQ1 日本語の助詞は、さまざまな文法的機能において、どのように文法的分布が異なるのか？
• RQ2 話言語における助詞の省略が行われた場合、項構造はどの程度推論可能なのか？
• RQ3 助詞の文法的および意味的挙動を最もよく捉えることができる助詞の階層的分類は何か？
• RQ4 計算的解析フレームワークにおいて、助詞の曖昧さと共起はどのように解消できるか？

主な発見

• タイプ階層は、助詞の文法的挙動をうまくモデル化しており、項マークイングと付加語の役割を区別している。
• GAなどの助詞は、主語、目的語、または付加語をマークすることができ、これにより形式から機能を単独で予測することはできないことが示された。
• 助詞の共起は可能であり、文法的分析において考慮しなければならない。これはコーパスデータが示している。
• 話言語における助詞の省略は一般的であるが、提案された階層を用いることで、依然として項構造を信頼性高く推論できる。