内容説明
構文解析技術は，機械学習，動的計画法，探索法，文法理論などといった自然言語処理の様々な場面で必要となる多くの技術の上に成り立っている。本書では構文解析の基礎技術についてわかりやすく解説した。
目次
1. はじめに
1.1 構文解析とは
1.2 なぜ構文解析を学ぶのか
1.3 本書の構成
2. 品詞解析と機械学習
2.1 品詞解析の役割
2.2 機械学習による品詞タグ付け
2.3 隠れマルコフモデル
2.3.1 確率モデル
2.3.2 Viterbiアルゴリズム
2.4 最大エントロピーモデル
2.5 最大エントロピーマルコフモデル（MEMM）
2.6 条件付き確率場（CRF）
2.7 構造化パーセプトロン
2.8 ビーム探索
2.9 生コーパスを利用した学習
2.9.1 自己学習
2.9.2 クラスタリング
2.10 浅い構文解析
2.11 日本語形態素解析
2.12 英語以外の言語
2.13 近年の動向
3. 句構造解析
3.1 句構造
3.2 文脈自由文法
3.2.1 CKYアルゴリズム
3.2.2 Earley法
3.3 確率文脈自由文法
3.3.1 PCFGを用いたCKYアルゴリズム
3.3.2 内側外側（Inside-Outside）アルゴリズム
3.4 確率文脈自由文法の拡張
3.4.1 語彙化
3.4.2 非終端記号の詳細化
3.5 識別モデルによる再順位付け
3.6 遷移型モデルによる句構造解析
3.7 評価法
3.8 近年の動向
4. 依存構造解析
4.1 依存構造とは
4.2 CKY法
4.3 Eisner法
4.4 MST法
4.5 遷移型依存構造解析
4.6 日本語構文解析
4.7 評価法
4.8 近年の動向
4.8.1 高次の関係を用いた解析
4.8.2 疑似非交差解析
5. 文法理論，深い構文解析
5.1 組合せ範疇文法（CCG）
5.2 主辞駆動句構造文法（HPSG）
5.3 深い構文解析
5.4 Supertagging
5.5 文法獲得
5.6 意味役割付与，格解析，述語項構造解析
5.7 Semantic Parsing
5.8 評価法
5.9 近年の動向
6. 構文解析の応用
6.1 情報抽出
6.2 単語クラスタリング
6.3 評判解析
6.4 機械翻訳
6.5 テキスト間含意関係認識
7. 構文解析ツール
7.1 Stanford Parser
7.2 Berkeley Parser
7.3 BLLIP Parser
7.4 ZPar
7.5 SyntaxNet
7.6 Mate
7.7 TurboParser
7.8 MaltParser
7.9 MSTParser
7.10 C&C Parser
7.11 EasyCCG
7.12 OpenCCG
7.13 Enju
7.14 KNP
7.15 CaboCha
7.16 KyTea
7.17 Jigg
8. ツリーバンク
8.1 Penn Treebank
8.2 Prague Dependency Treebank
8.3 Universal Dependencies
8.4 京都大学テキストコーパス
8.5 NAISTテキストコーパス
8.6 BCCWJ
8.7 PropBank
引用・参考文献
索引
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
youchan
