近年、自然言語処理において広く利用されている深層学習モデルは、あらゆる自然言語処理タスクにおいて高い精度を達成しているが、これらのモデルに文の統語構造の情報がエンコードされているかどうかについては議論が分かれる。構文解析は文からの統語構造の復元であり、意味合成のような高度な意味処理を行う上で必要となるタスクであるが、そのためには統語構造の情報を持った言語モデルが望ましく、Recurrent Neural Network Grammars (RNNGs)はそのようなモデルとして提案されたものであり、内部では文法としてはCFGを用いている。本研究ではRNNGsの文法をCFGからCombinatory Categorial Grammar (CCG)に替えた言語モデルであるRNN-CCGを実装した。CCGは、自然言語に対してCFGよりも適切な統語構造を与え、意味合成につなげることができる利点がある。RNNGsではPOSタグを考慮しないが、本研究では意味合成のためにPOSタグの予測も行うモデルを実装し、RNNGsとの比較・RNN-CCGの有用性を検証した。
