@inproceedings{oai:repository.ninjal.ac.jp:00002596,
 author = {谷田部, 梨恵 and 佐々木, 稔 and Sasaki, Minoru and Yatabe, Rie},
 book = {言語資源活用ワークショップ発表論文集, Proceedings of Language Resources Workshop},
 month = {},
 note = {会議名: 言語資源活用ワークショップ2019, 開催地: 国立国語研究所, 会期: 2019年9月2日−4日, 主催: 国立国語研究所 コーパス開発センター, 単語の語義曖昧性解消は、今日に至るまで様々な研究が行われており、教師あり学習を用いることで高い精度を出している。しかし、先行研究では学習用のデータが不足して誤る事例が多いことが指摘されている。新たに学習データを追加するには、用例文における単語の正解語義の割り当てに精通した専門家によるラベル付与が必要となるためコストがかかるという問題がある。この問題を解決するために、グラフベースの半教師あり学習を用いた語義曖昧性解消を提案し、語義なし用例文の利用による精度改善を行う。そこで、BCCWJの各ジャンルにおける語義なし用例文に対して語義曖昧性解消精度の比較を行い、どのような語義なしデータの利用が有効なのか分析を行う。実験の結果、BCCWJ全ての用例文を追加した場合よりも精度が低くなったが、今回扱ったジャンルの中では雑誌（PM）に含まれる用例文を追加した場合が最も高い精度結果となった。そのため、ジャンルを限定して語義なし用例文を追加しても、語義曖昧性解消の精度にあまり効果がないことが明らかとなった。しかし、教師あり学習との語義曖昧性解消精度との比較を行った結果、グラフベースの半教師あり学習の語義曖昧性解消精度が高くなったため、グラフベースの半教師あり学習は学習データ不足の改善に有効であると考えられる。, application/pdf, 茨城大学, 茨城大学, Ibaraki University, Ibaraki University},
 pages = {288--294},
 publisher = {国立国語研究所},
 title = {半教師あり語義曖昧性解消における各ジャンルの語義なし用例文の利用},
 volume = {4},
 year = {2019},
 yomi = {ヤタベ, リエ and ササキ, ミノル}
}