Cappuccino：構造データに対するブートストラッピング手法

抄録

本稿は，HTML のような構造データからの関係抽出タスクを扱い，構造データに対するブートストラッピング手法である Cappuccino を提案する．ブートストラッピング法は，目的の関係をもつ単語ペア(インスタンス)の集合と文集合から，従来は人手で作っていたインスタンスの抽出ルール(パターン)を生成することにより，関係抽出タスクにおいて人手による作業のコスト削減を実現する．従来の手法は，テキストデータのみを対象としていたが，Cappuccino は構造データを対象とする．Cappuccino は，データがもつ構造(例：リスト構造)をパターンとすることで，インスタンスの抽出を行う．構造をパターンとして扱うために構造データをグラフへ変換し，そのグラフに頻出サブグラフマイニングを適用することにより，インスタンスとパターンの信頼度計算を可能にする．本稿では，実験のために作成した人工的な HTML ファイルを用いて，文字列のパターンだけを用いる従来のブートストラッピング手法と比較を行い，データがもつ構造を利用する Cappuccino が高い性能になることを確認する．