本論文では, テキスト中に出現する比喩表現を認識するために, 確率的な尺度を用いて, 概念 (単語) 間の比喩性を検出する手法について述べる. 比喩性を検出するための確率的な尺度として, “落差” と “意外性” を設定する. “落差” は, 概念対を比較したときに, クローズアップされる顕現特徴の強さをはかる尺度であり, 概念同士が理解可能か否かの判断に用いる. “落差” は, 確率的なプロトタイプ概念記述を用いて, 概念の共有属性値集合が持つ冗長度の差で定量化する. “意外性” は, 概念の組み合わせがどれほど稀であるかをはかる尺度であり, 概念同士が例示関係であるか否かの判断に用いる. “意外性” は, 単語間の意味距離を用いて定量化する. 二つの尺度を併用することによって, 比喩関係を持つ概念対, すなわち, 比喩性の判定が可能となる. 二つの尺度を計算するために, コーパス中から抽出した語の共起情報を利用して知識ベースを利用する. 両尺度を用いた比喩性検出手法を検証するために, 1年分の新聞記事コーパスから構築した知識ベースと, 比喩関係・例示関係・無意味の各単語対が混在するデータ100組を用いて, 単語対の判別実験を行った. その結果, 70%以上の適合率で比喩関係単語対が判別できることがわかり, 本手法の有効性が確認できた.

抄録全体を表示

中心化理論 (centering theory) は, 注意の中心, 照応, 結束性の問の相互作用を説明する談話構造の理論である.しかし, 照応現象の背後にあるはずの基本原理を明らかにするものではない.また, 中心化理論で重要な役割を担う (salience) が, 客観的に計量可能な尺度として定式化されていないという問題もある.一方, Hasidaら (1995, 1996) は, ゲ1ム理論に基づく意図的コミュニケーションのモデルとして意味ゲーム (meaning game) を提唱し, 「照応等の現象はゲーム理論で説明できる」と主張しているが, この主張は実データに基づいて検証されていない.中心化理論の2つのルールに対応する意味ゲームに基づく選好を日本語のコーパスを用いて検証した.その結果, 中心化理論の予測を越える部分も含めてこれらの選好が成立することがわかった.したがって, 基本原理の明確さおよび予測能力の強さゆえに, 中心化理論よりも意味ゲームの方が優れた作業仮説であり, この意味において, 中心化理論等の照応や焦点に特化した理論は不要と考えられる.

抄録全体を表示

本論文では, 二つの名詞概念からなる比喩表現における顕著な属性を自動的に発見する手法を提案する. まず, 概念から連想される属性について調べる連想実験を行い, 次に, その結果に基づく属性の束を作ってSD法の実験を行う. そして, SD法実験の評定値をパラメータとして用いるニューラルネットワークを使用して, 二つの概念に共通でしかもの高い属性を抽出する. この手法では多数の属性問のに関する数値的な順序づけが行われるので, 多様な概念の組み合わせを含む「TはVだ」の形の比喩表現に対して適用できる. ここで, Tは被喩辞, Vは喩辞である. 本手法を用いたシステムによる実行例を示し, その有効性を検証する.

抄録全体を表示

参照結束性 (referential coherence) は, 主題の連続性や代名詞化によってもたらされる, 文章の滑らかさを表す.では, なぜ参照結束性が高い表現/解釈が選択されるのだろうか.参照結束性の標準的理論であるセンタリング理論は, 従来, この行動選択のメカニズムをモデル化していなかった.本研究の目的は以下の2つである.(1) この行動選択原理をゲーム理論でモデル化した仮説 (Hasida1996;白松他2005) を, 複数のコーパスで検証すること.(2) ゲーム理論の期待効用という値が選択基準になり得るか確かめ, 様々なの談話処理で利用可能な表現/解釈の選択機構をモデル化すること.
そのために本稿では, 意味ゲームに基づくセンタリングモデル (MGCM;Meaning-Game-based Centering Model) を多化した.具体的には, 依存パラメタの定義を統計的にし, コーパスからのパラメタ獲得を可能にした.本改良により多への適用が可能になったので, 日本語と英語のコーパスを用いてモデルを検証した.その結果, 参照結束性の高い繋がりを持つ発話では, 期待効用が高い表現/解釈が選択されているという統計的な証拠を得た.これにより, MGCMのをまたぐ一般性, すなわち, 「参照結束性はゲーム理論の期待効用原理によって引き起こされている」という仮説の一般性が示された.

抄録全体を表示

This paper presents a computational model for understanding metaphors using the measure of salience. Understanding metaphors is a property transfer process from a source concept to a target concept. There are two questions arise in the transfer process. One is which properties are more likely transferred from the source concept to the target concept, and other is the representation of highlighting the transferred properties. We use the measure of salience to answer these questions. The measure of salience represents how typical or prominent a property is. In understanding metaphors, typical properties are easy to transferred from a source concept to a target concept, so the measure of salience can measure the transferability of properties. And, the transferred properties become typical properties in the target concept, so highlighting the properties can be represented by increasing the measure of salience. For now, many researches have used the measure of salience in the process of understanding metaphors^^<(l)-(4)>, but they have not described precisely how the measure of salience is calculated. This paper presents the method of calculating the measure of salience based on the information theory. We use the redundancy of a property and the distribution of the redundancy among similar conceps. We think this method meet well with the human's intuition.

抄録全体を表示

我々は文章中に現れる比喩表現, その中でも直喩・隠喩的な比喩について, その認識・抽出を目的として研究を進めている. 本論文では, “名詞Aのような名詞B” 表現について, 名詞の意味情報を用いたパターン分類によって比喩性を判定し, 比喩表現については喩詞 (喩えるもの) と被喩詞 (喩えられるもの) とを正確に抽出できるモデルを提案する. この表現には比喩 (直喩) とリテラル (例示など) の2つの用法があり, また比喩であっても名詞Bが被喩詞ではない場合がある. 我々はそれらを機械的に判定するために, これまでに行ってきた構文パターンやシソーラスを用いて喩詞と被喩詞の候補を抽出する手法を発展させ, 名詞Aと名詞Bの意味情報やその関係に従って “名詞Aのような名詞B” 表現を6つのパターンに分類し, 比喩性を判定し喩詞と被喩詞を特定するモデルを構築した. このモデルを日本語語彙大系の意味情報を利用して実装し, 新聞記事データを用いて検証したところ, 得られたパターン分類結果 (比喩性判定結果) と人間のそれとが一致する割合は, 学習データについては82.9% (未知語データを除く), 評価用データについては72.7% (同) であり, 比喩性判定モデルの全体的な処理の流れは実際の文章中の比喩表現認識に有効であることを示した. また, 比喩語という比喩性を決定づける語についてもその効果を示すことができ, モデルへの組み込みの可能性を示唆した.

抄録全体を表示

比喩の一種である「駄洒落」は, 記号 (音声) とその記号が表す概念の意味との両方に, 比喩を成立させる「根拠 (ground) 」 (比喩における被喩辞 (tenor) と喩辞 (vehicle) とを結びつける関係) があるという点で, 高度な修辞表現に位置づけられる. 筆者らは, 「併置型」と呼ぶ駄洒落の一種 (例「トイレに行っといれ」) を, 外国語専攻の大学生54名に筆記によって創作させ, 203個を収集した. そしてこのデータに対して, 駄洒落理解システムの構築に必要な知見を得るという観点から, 「先行喩辞」 (例では「トイレ」) と「後続喩辞」 (例では「…といれ」) の関係, 及び「出現喩辞」 (例では「…といれ」) と「復元喩辞」 (例では「…ておいで」) の関係に着目し, 以下の3つの分析を行った.(1) 先行-後続出現喩辞間の音素列は, どれ位の長さの一致が見られるか.(2) 先行-後続出現喩辞間の音素の相違にはどのような特徴があるか.(3) 出現-復元喩辞間の音素の相違にはどのような特徴があるか. その結果, 出現喩辞の音節数は先行と後続とで一致する場合が多いこと, 先行-後続出現喩辞間及び出現-復元喩辞間の音素の相違は比較的少なく, 相違がある場合もかなり高い規則性があること, などがわかった. 以上の知見から, 計算機による駄洒落理解手法, 即ち出現喩辞と復元喩辞を同定するアルゴリズムを構築できる見通しが得られた.

抄録全体を表示

MASにより不安水準 (高不安H, 中等度不安M, 低不安Lに区分) を測った女子学生を用いて, H-M, M-M, L-Mの組み合わせ, 各6組による2人討論場面を設定した. TAT図版を討論の手がかりとし, 討論時間は1日1セッション24分間で, 日間間隔2日で4セッション反復した. 各組の二者は隔離小室に入り, したがって, によってのみコミュニケーション可能な事態での討論過程を, 二者の同時沈黙CS, 二者の同時発言CTの2つの指標にもとつく結果から考察した.
得られた主な結果は次の通りである.
1. 一般に討論過程の進行にともない, 活動性は増大するが, 特にH-M, L-Mのように二者間に不安水準の差異のある群においてその力動性が顕著である. 一方, M-Mでは初期の活動水準をそのまま以後のセッションにおいても維持する傾向があった. 初期の活動性の大小関係は, M-M>L-M>H-Mであるが後半のセッションではその関係が変動してL-M>M-M>H-Mとなった. とくに, 初期におけるH-Mの活動性の低下が認められた. CTでは, 3群間に差は見られず, セッションの進行にも影響されない. また, 個々の群においても, H>M, M>Lのような活動性における大小関係が明らかに認められた.
2. 面識条件 (討論実験前後に面識の機会を与える) は, 二者間の不安水準の差による群内の活動性の大小関係を不鮮明にする働きを有している. ただし, M-Mでは, この条件に関係なく, 活動性水準の安定性がみられた.
以上の結果に対して, 次のような考察を加えた. 二者間の不安水準の差異の有無は, 一 種の不均衡, 均衡状態と考えることができ, 討論場面で発現する活動性は, 緊張解消への力動性の表われと考えることができる. このことは, Taylor, H.F. が試みているように, 従来の均衡理論に沿って理解することも可能である. さらに, 活動性は不安水準と正の直線的相関関係も示されたことから, Taylor, J.A. らの不安の活性化動因仮説の適用可能性も示唆された.

抄録全体を表示

参照表現とは, 特定の物体を他の物体と混同することなく識別する表現である.参照表現の生成に関する従来の研究では, 対象物体固有の属性と異なる2つの物体間の関係を扱ってきた.しかし外見的特徴の差異が少なく他の物体との関係が対象物体の特定に用を成さない場合, 従来の手法では対象物体を特定する自然な参照表現を生成することはできない.この問題に対して我々は知覚的群化を利用した参照表現の生成手法を提案しているが, この手法が扱える状況は強く限定されている.本論文では, 我々が提案した手法を拡張し, より一般的な状況に対応できる参照表現の生成手法を提案する.18人の被験者に対する心理実験をおこない, 本論文の提案手法を実装したシステムが適切な参照表現を生成できることを確認した.

抄録全体を表示

二者討論における個体レベルの活動性と個体の不安水準との関連を把握することを目的として, 次の実験を行なった.
高 (H), 中 (M), 低 (L) 各不安水準の女子学生36名を被験者とし, H-M, M-M, L-Mの対それぞれ6組を構成し, 非対面状況での的相互作用過程の分析を試みた.
用いた指標は, 単独発言, 同時沈黙後の単独発言, 同時発言後の単独発言, 単独発言後の同時発言の4種であった.
得られた主な結果は次の通りである.
1. 各不安水準間の比較では, Hがもっとも発言強度が大きく, セッションの進行とともに, その増大傾向が明らかであった. Mは発言回数は最大であったが, 発言強度は初期値レベルを保持し, 変動は少なかった. LはMの特徴と近似するが, 受動的侵入率は高い. 各群内では, H>M, M>Lの関係が, 多くの指標について見られた.
2. Mの比較では, 単独発言時間は, M (L) >M (H) >M (M) となり, 発言頻度はM (M) が最多であった. 発言の持続性, ないし受動的侵入ではM (L) の活動性が最大であった.
3. 面識の有無のもたらす効果をみると, おおむね非面識群で活動性の増大が顕著にみとめられたが, とりわけL-M群において, この傾向が明らかであり, 他方M (M) では, 不明確であった.
4. 単独発言時間の分布では, 1秒以下の短時間発言が全体の40～50%を超え, 対数関数的な分布型を示していた.
以上の結果に対して, 不安の動因仮説, 他者認知における類似性-牽引性, 不均衡仮説などとの関連で考察を試みた.

抄録全体を表示

非対面式の3者閥会話事態における各組各成員の活動性の特徴と音声的なコミュニケーションのみを通して形成される対人印象の構造との関連性を知ることが, この報告の目的である。
MASによって規定される高・低不安者群の2群それぞれ5名, 中不安者群35名計45名の女子学生を被験者とし, ・非対面場面において, M2名を基本とした3名の組み合せであるHMM, MMM, LMM群各5組ずつ構成し, 会話実験を行なった。24分間1セッションを日を変え, 2セッション実施した。各セッションの会話実験後, 他者に対する印象評定を求めた。
時系列的指標としては, 時系列的に0次の4種類の状態 (同時沈黙, 単独発言, 重複発言, 同時発言) を基本とし, 2次状態までを含めた。各群の活動性の比較に加え, 対人印象評定の構造, 活動性の構造を明らかにするために, それぞれの結果に基づき因子分析を施した。
対人印象の構造としては, 明朗性, 社会的活動性, 魅力性の因子をはじめ, 包容性, 親和性, 信頼性因子が得られた。セッション1とセッション2とでは, 各不安者群とも, 各因子への寄与の程度が変化している。Lに関する印象評定に明朗性因子がもっとも強く反映されており, 各不安者群の評定問にも相違がみられた。
活動性の因子は, 会話構成員数に応じた3名共同, 2名共同, 個体単独の発言因子をはじめ9因子抽出された。なお, MMM群およびMの活動性が最も低く, 群水準ではHMM≧LMM>MMM, 個体水準ではH≒L>Mの関係が示された。さらに, 会話を行なう3名間では, M2名間よりも不安水準の異なる2名間の発言交流が活発であった。なお, セッション1に比べセッション2において全体的に活動性は増大した。
印象評定と活動性との間には, いくつかの有意な相関関係が認められた。とくに, 個体の単独発言指標が, 対人印象との関連が木であった。
これらの結果から, 真体的なコミュニケーションを介して形成される印象構造には, 明朗性の程度が敏感に反映されていること, 道徳的な特徴は重要な役割を果たしていないことが示された。印象形成の行なわれる状況要因を検討する必要が示唆された。また, 不安水準と活動性とのU字型の関係および不安のdiscrepancy仮説が確認された。

抄録全体を表示

In this paper, we propose a new automatic extraction method to obtain salient features from a metaphorical expression consisting of two noun concepts as target T and source S concepts, "T is S". Human cognitive experiments were carried out to determine the initial feature values in the calculation procedure. First, we obtained a bundle of attributes from human association experiments on concepts. Second, using the bundle, we implemented SD(Semantic Differential ) Technique experiments. We selected 36 adjective pairs such as "wide-narrow", "clean-dirty", "strong-weak", and so on.The salient feature extraction method is carried out in the following procedure. First, using rated results from the SD Technique experiments, the features of the target concept bundle are sorted and allocated to corresponding axes in a circular shaped diagram. Each axis corresponds to one of the absolute average values of the rated values of features. Next, corresponding to the sorted target concept bundle, the features of the source bundle are allocated in the circular shaped diagram. Finally, the salient features are extracted as vertices of the convex hull with respect to a set of points indicating the combined features of the target and source concepts. the calculation procedure for the automatic extraction of the salient features is described by examples. Since the circular shaped diagram is used for visualization, the extracted salient features is understandable easily and intuitively.

抄録全体を表示

長期的なアスリート育成（LTAD：Long Term Athletic Development）は、多数のモデルとその可能性を説く論文が存在するにもかかわらず、青少年スポーツプログラムにおける統一的な方法としての地位を得るまでには至っていない。単独の成功事例が複数あるとはいえ、LTADの体系的な活用はいまだ判然とせず、明らかに何か齟齬がある。LTADの活用には行動の変化が必要であるため、その観点をLTADの方法に織り込むことが重要である。本稿は行動科学から得られるいくつかの基本原理を考察し活用することにより、実社会におけるLTADの活用を推進する道を探ることにする。

抄録全体を表示