JP7106999B2 - 難易度推定装置、難易度推定モデル学習装置、方法、及びプログラム - Google Patents
難易度推定装置、難易度推定モデル学習装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP7106999B2 JP7106999B2 JP2018108551A JP2018108551A JP7106999B2 JP 7106999 B2 JP7106999 B2 JP 7106999B2 JP 2018108551 A JP2018108551 A JP 2018108551A JP 2018108551 A JP2018108551 A JP 2018108551A JP 7106999 B2 JP7106999 B2 JP 7106999B2
- Authority
- JP
- Japan
- Prior art keywords
- text
- difficulty level
- feature amount
- difficulty
- extraction unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 47
- 238000000605 extraction Methods 0.000 claims description 127
- 239000000284 extract Substances 0.000 claims description 61
- 239000002245 particle Substances 0.000 claims description 22
- 238000011161 development Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 5
- 208000037998 chronic venous disease Diseases 0.000 description 34
- 241001465754 Metazoa Species 0.000 description 12
- 230000000877 morphologic effect Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 238000003066 decision tree Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 241001648319 Toronia toru Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 241001233242 Lontra Species 0.000 description 1
- 241000772413 Lutrogale perspicillata Species 0.000 description 1
- 244000141359 Malus pumila Species 0.000 description 1
- 241000238413 Octopus Species 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 230000008140 language development Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Description
また、テキストの難易度又は対象時期を所望の粒度で精度よく推定するための難易度推定モデルを学習することができる難易度推定モデル学習装置、方法、及びプログラムを提供することを目的とする。
本発明の実施の形態に係る難易度推定モデル学習装置の構成について説明する。
00000234, びっくり, ビックリ, 6.469, 6.312, 6.500
均衡コーパスは、国立国語研究所の現代日本語書き言葉均衡コーパス(以下、BCCWJという)である。このBCCWJは、現代日本語の書き言葉の全体像を把握するために構築したコーパスである。このBCCWJには、形態素解析の情報、文書構造に関するタグも付与されており、また、書籍全般、雑誌全般、新聞、白書、ブログ、ネット掲示板、教科書、法律 など、それぞれのジャンルに分かれたコーパスがある
また、品詞ごとに基本語セットを用意した場合、例えば、品詞ごとの基本語セットの各々についての、当該テキストに含まれる当該品詞の語のうちの、当該基本語セットに含まれる語の割合、及び/又は、当該基本語セットに含まれない語の割合などを、特徴量として抽出してもよい。
テキストに含まれる語の獲得時期については、語データベース28に記憶されているCVD中の語と、対象テキスト中に出てくる語をマッチングし、対象テキスト中に出てくる語のCVD中の発話日齢の平均値、最高値、のいずれか、あるいは両方を、特徴量として抽出する。
たち 接尾辞, 名詞的, 一般, *, *, *, タチ, 達, たち, タチ, たち, タチ, 和, *, *, *, *
は 助詞, 係助詞, *, *, *, *, ハ, は, は, ワ, は, ワ, 和, *, *, *, * B-00000345
空白, *, *, *, *, *, , , , , , , 記号, *, *, *, *
びっくり 名詞, 普通名詞, サ変可能, *, *, *, ビックリ, びっくり, びっくり, ビックリ, びっくり, ビックリ, 和, *, *, *, * 00000234
し 動詞, 非自立可能, *, *, サ行変格, 連用形-一般, スル, 為る, し, シ, する, スル, 和, *, *, *, * I-00000234
た 助動詞, *, *, *, 助動詞-タ, 終止形-一般, タ, た, た, タ, た, タ, 和, *, *, *, * B-00000456
。 補助記号, 句点, *, *, *, *, , 。, 。, , 。, , 記号, *, *, *, *
00000345,ハ,1,助詞・助動詞,27.4366201342289,26.7774242029008
1696,びっくりする,1,こころ,30.6868045540324,26.302268434856
1959,タ,1,助詞・助動詞,24.7624774749285,22.7216817167811
次に、語に関するカテゴリ毎の、当該テキストに含まれる語の獲得時期を特徴量とする例について説明する。
テキスト中の語とCVDとのマッチングを取るときに、カテゴリ毎に行ってもよい。例えば、語に関するカテゴリとして、「動物」「乗り物」「家庭用品」「代名詞」「疑問詞」「動作を表す言葉」「状態を表す言葉」などと分けて、語に関するカテゴリ毎の、当該テキストに含まれる語の獲得時期を、上記と同様に抽出する。上記と同様とは、具体的には、カテゴリ毎に、語データベース28に記憶されているCVD中の語のうちの当該カテゴリに属する語と、対象テキスト中に出てくる語をマッチングし、対象テキスト中に出てくる語のCVD中の発話日齢の平均値、最高値、のいずれか、あるいは両方を、特徴量として抽出する。
言語処理学会第23回年次大会 (NLP-2017), pp. 899--902, 筑波, C6-2, 2017.3.
407,ぺったん,1,擬音語・擬態語,26.0364339727761,20.153005159889
555,ラッコ,1,動物,37.3564025311432,29.6474071490029
455,ざぶーん,1,擬音語・擬態語, 38.3374588300544, 34.3004374461354
擬音語・擬態語:「ぺったん」<「さぶーん」
また、学習が難しいカテゴリの語の個数の全体に占める割合を、特徴量として抽出してもよい。
テキストに含まれる語の親密度については、語データベース28に記憶されている、親密度が付与されている語と、対象テキスト中に出てくる語をマッチングし、対象テキスト中に出てくる語の親密度の平均値、最高値、のいずれか、あるいは両方を、特徴量として抽出する。
また、本実施の形態では、テキスト中の語と親密度が付与されている語とのマッチングをとるときに、獲得時期と同様に、カテゴリ毎に行う。例えば、語に関するカテゴリとして、「動物」「乗り物」「家庭用品」「代名詞」「疑問詞」「動作を表す言葉」「状態を表す言葉」などと分けて、語に関するカテゴリ毎の、当該テキストに含まれる語の親密度を、上記のように抽出する。
なお、テキストに含まれる各語について、獲得時期と語の親密度を統合して1つの特徴量としてもよい。この場合には、以下の2つの統合方法があり得る。
イメージビリティとは単語の感覚的・運動覚的イメージの想起のしやすさのことである。例えば、「りんご」や「テニス」のイメージに比べ、「はやり」や「プラス」のイメージは想起しにくい。イメージビリティ語の方が、幼児にとってもイメージしやすく覚えやすいと考えられるため、これらの特徴量を用いることで、イメージしやすく覚えやすい語が多いかどうかといった特徴を反映すことができる。
当該テキストに含まれる用言の項の数については、例えば、テキストに含まれる動詞が自動詞か、他動詞かを特徴量として抽出する。
当該テキストに含まれる品詞の出現割合については、例えば、活用する語の品詞である、「動詞」、「形容詞」、「形容動詞」をまとめた特定の品詞の出現割合を特徴量として抽出する。例えば、全単語数が、空白を除き7個であり、品詞「動詞」、「形容詞」、「形容動詞」をまとめた特定の品詞が3個であれば、特定の品詞の割合を、3/7とする。
また、繰り返しのある語をどの程度含むか、については、例えば、「ワンワン」「ざあざあ」のような繰り返しのある語の割合を、特徴量として抽出する。
また、語に関するカテゴリ毎の、当該テキストに含まれる、当該カテゴリに属する名詞の割合については、例えば、動物や乗り物の名前などのようなカテゴリ「具体物」の名前なのか、カテゴリ「抽象物」か、を利用して、カテゴリ毎の名詞の割合を抽出する。
語彙の多様性については、例えば、テキスト全体に対する語の異なり数、又は語の異なり数/のべ語数を特徴量として抽出する。
複数種類の基本語セットの各々についての、当該テキストに含まれる語のうちの、基本語セットに含まれる語の割合又は基本語セットに含まれない語の割合については、例えば、CVDに収録されている語を基本語セットとし、その中に出現するか、しないか、を2値の特徴量として用いる。
次に、本発明の実施の形態に係る難易度推定装置の構成について説明する。
次に、本発明の実施の形態に係る難易度推定モデル学習装置100の作用について説明する。入力部10において難易度及び解析結果が付与された絵本のテキストの各々の入力を受け付けてテキストデータベース8に格納すると、難易度推定モデル学習装置100は、図4に示す難易度推定モデル学習処理ルーチンを実行する。
次に、本発明の実施の形態に係る難易度推定装置200の作用について説明する。入力部210において絵本のテキストを受け付けると、難易度推定装置200は、図5に示す難易度推定処理ルーチンを実行する。
また、3段階以上の複数段階で、難易度推定を行うようにしてもよい。
10、210 入力部
20、220 演算部
28,229 語データベース
30、230 特徴量抽出部
32 難易度推定モデル生成部
40、240 難易度推定モデル
100 難易度推定モデル学習装置
200 難易度推定装置
228 前処理部
232 難易度推定部
250 出力部
Claims (35)
- 語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記特徴量抽出部は、語に関するカテゴリ毎に、前記テキストに含まれる、前記カテゴリに属する語の獲得時期を含む前記特徴量を抽出し、
前記カテゴリは、幼児語彙発達データベース(CVD)、シソーラスの分類、又は概念辞書の分類に応じたものである難易度推定装置。 - 語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記特徴量抽出部は、語に関するカテゴリ毎に、前記テキストに含まれる、前記カテゴリに属する語の割合を含む前記特徴量を抽出し、
前記カテゴリは、幼児語彙発達データベース(CVD)、シソーラスの分類、又は概念辞書の分類に応じたものである難易度推定装置。 - 語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記特徴量抽出部は、前記入力されたテキストに含まれる語のうち、前記獲得時期が求められていない語について、語毎に予め求められた、前記語の出現頻度を用いて、前記語を幼児が獲得する獲得時期を推定し、推定された前記獲得時期を更に用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する難易度推定装置。 - 入力されたテキストから、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記特徴量抽出部は、前記用言の種類として、前記テキストに含まれる動詞が自動詞であるか、他動詞であるかを抽出する難易度推定装置。 - 入力されたテキストから、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記特徴量抽出部は、前記用言の種類として、前記テキストに含まれる動詞が、助詞「が」及び助詞「を」とは異なる助詞を取る動詞であるか否かを抽出する難易度推定装置。 - 語に関するカテゴリ毎に、入力されたテキストから、前記テキストに含まれる、前記カテゴリに属する名詞及び/又は用言の割合を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含む難易度推定装置。 - 入力されたテキストから、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記難易度推定部は、難易度又は対象時期に関するクラスの何れであるかを推定し、前記推定されたクラス内で、前記テキストの難易度又は対象時期を推定する難易度推定装置。 - 語毎に予め求められた前記語の親密度又はイメージビリティを用いて、入力されたテキストから、前記テキストに含まれる語の親密度又はイメージビリティを含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記難易度推定部は、難易度又は対象時期に関するクラスの何れであるかを推定し、前記推定されたクラス内で、前記テキストの難易度又は対象時期を推定する難易度推定装置。 - 前記特徴量抽出部は、
語毎に予め求められた前記語の親密度又はイメージビリティ、及び語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、入力されたテキストから、前記テキストに含まれる語の親密度又はイメージビリティ、及び語の獲得時期を含む前記特徴量を抽出する請求項1~請求項8の何れか1項記載の難易度推定装置。 - 入力されたテキストから、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記難易度推定部は、難易度又は対象時期に関するクラスの何れであるかを推定し、前記推定されたクラス内で、前記テキストの難易度又は対象時期を推定する難易度推定装置。 - 予め求められた、1種類以上の基本語セットを用いて、入力されたテキストから、前記1種類以上の基本語セットの各々についての、前記テキストに含まれる語のうちの、前記基本語セットに含まれる語の割合及び/又は前記基本語セットに含まれない語の割合を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する難易度推定部と、
を含み、
前記難易度推定部は、難易度又は対象時期に関するクラスの何れであるかを推定し、前記推定されたクラス内で、前記テキストの難易度又は対象時期を推定する難易度推定装置。 - 特徴量抽出部が、語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記特徴量抽出部が特徴量を抽出することでは、語に関するカテゴリ毎に、前記テキストに含まれる、前記カテゴリに属する語の獲得時期を含む前記特徴量を抽出し、
前記カテゴリは、幼児語彙発達データベース(CVD)、シソーラスの分類、又は概念辞書の分類に応じたものである難易度推定方法。 - 特徴量抽出部が、語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記特徴量抽出部が特徴量を抽出することでは、語に関するカテゴリ毎に、前記テキストに含まれる、前記カテゴリに属する語の獲得時期を含む前記特徴量を抽出し、
前記カテゴリは、幼児語彙発達データベース(CVD)、シソーラスの分類、又は概念辞書の分類に応じたものである難易度推定方法。 - 特徴量抽出部が、語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記特徴量抽出部が特徴量を抽出することでは、前記入力されたテキストに含まれる語のうち、前記獲得時期が求められていない語について、語毎に予め求められた、前記語の出現頻度を用いて、前記語を幼児が獲得する獲得時期を推定し、推定された前記獲得時期を更に用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する難易度推定方法。 - 特徴量抽出部が、語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記難易度推定部が前記テキストの難易度又は対象時期を推定することでは、難易度又は対象時期に関するクラスの何れであるかを推定し、前記推定されたクラス内で、前記テキストの難易度又は対象時期を推定する難易度推定方法。 - 特徴量抽出部が、語毎に予め求められた前記語の親密度又はイメージビリティを用いて、入力されたテキストから、前記テキストに含まれる語の親密度を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記難易度推定部が前記テキストの難易度又は対象時期を推定することでは、難易度又は対象時期に関するクラスの何れであるかを推定し、前記推定されたクラス内で、前記テキストの難易度又は対象時期を推定する難易度推定方法。 - 特徴量抽出部が、入力されたテキストから、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記特徴量抽出部が特徴量を抽出することでは、前記用言の種類として、前記テキストに含まれる動詞が自動詞であるか、他動詞であるかを抽出する難易度推定方法。 - 特徴量抽出部が、入力されたテキストから、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記特徴量抽出部が特徴量を抽出することでは、前記用言の種類として、前記テキストに含まれる動詞が、助詞「が」及び助詞「を」とは異なる助詞を取る動詞であるか否かを抽出する難易度推定方法。 - 特徴量抽出部が、入力されたテキストから、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記難易度推定部が前記テキストの難易度又は対象時期を推定することでは、難易度又は対象時期に関するクラスの何れであるかを推定し、前記推定されたクラス内で、前記テキストの難易度又は対象時期を推定する難易度推定方法。 - 特徴量抽出部が、語に関するカテゴリ毎に、入力されたテキストから、前記テキストに含まれる、前記カテゴリに属する名詞及び/又は用言の割合を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定する
難易度推定方法。 - 特徴量抽出部が、予め求められた、1種類以上の基本語セットを用いて、入力されたテキストから、前記1種類以上の基本語セットの各々についての、前記テキストに含まれる語のうちの、前記基本語セットに含まれる語の割合及び/又は前記基本語セットに含まれない語の割合を含む特徴量を抽出し、
難易度推定部が、前記特徴量抽出部により抽出された前記テキストの前記特徴量と、前記テキストの難易度又は対象時期を推定するための予め求められた難易度推定モデルとに基づいて、前記テキストの難易度又は対象時期を推定することを含み、
前記難易度推定部が前記テキストの難易度又は対象時期を推定することでは、難易度又は対象時期に関するクラスの何れであるかを推定し、前記推定されたクラス内で、前記テキストの難易度又は対象時期を推定する難易度推定方法。 - 語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習する難易度推定モデル生成部と、
を含み、
前記特徴量抽出部は、語に関するカテゴリ毎に、前記テキストに含まれる、前記カテゴリに属する語の獲得時期を含む前記特徴量を抽出し、
前記カテゴリは、幼児語彙発達データベース(CVD)、シソーラスの分類、又は概念辞書の分類に応じたものである難易度推定モデル学習装置。 - 語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習する難易度推定モデル生成部と、
を含み、
前記特徴量抽出部は、語に関するカテゴリ毎に、前記テキストに含まれる、前記カテゴリに属する語の獲得時期を含む前記特徴量を抽出し、
前記カテゴリは、幼児語彙発達データベース(CVD)、シソーラスの分類、又は概念辞書の分類に応じたものである難易度推定モデル学習装置。 - 語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習する難易度推定モデル生成部と、
を含み、
前記特徴量抽出部は、前記テキストに含まれる語のうち、前記獲得時期が求められていない語について、語毎に予め求められた、前記語の出現頻度を用いて、前記語を幼児が獲得する獲得時期を推定し、推定された前記獲得時期を更に用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する難易度推定モデル学習装置。 - 難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習する難易度推定モデル生成部と、
を含み、
前記特徴量抽出部は、前記用言の種類として、前記テキストに含まれる動詞が自動詞であるか、他動詞であるかを抽出する難易度推定モデル学習装置。 - 難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習する難易度推定モデル生成部と、
を含み、
前記特徴量抽出部は、前記用言の種類として、前記テキストに含まれる動詞が、助詞「が」及び助詞「を」とは異なる助詞を取る動詞であるか否かを抽出する難易度推定モデル学習装置。 - 語に関するカテゴリ毎に、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる、前記カテゴリに属する名詞及び/又は用言の割合を含む特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習する難易度推定モデル生成部と、
を含む難易度推定モデル学習装置。 - 特徴量抽出部が、語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる語の獲得時期を含む特徴量を抽出し、
難易度推定モデル生成部が、前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習することを含み、
前記特徴量抽出部が特徴量を抽出することでは、語に関するカテゴリ毎に、前記テキストに含まれる、前記カテゴリに属する語の獲得時期を含む前記特徴量を抽出し、
前記カテゴリは、幼児語彙発達データベース(CVD)、シソーラスの分類、又は概念辞書の分類に応じたものである難易度推定モデル学習方法。 - 特徴量抽出部が、語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる語の獲得時期を含む特徴量を抽出し、
難易度推定モデル生成部が、前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習することを含み、
前記特徴量抽出部が特徴量を抽出することでは、語に関するカテゴリ毎に、前記テキストに含まれる、前記カテゴリに属する語の獲得時期を含む前記特徴量を抽出し、
前記カテゴリは、幼児語彙発達データベース(CVD)、シソーラスの分類、又は概念辞書の分類に応じたものである難易度推定モデル学習方法。 - 特徴量抽出部が、語毎に予め求められた、前記語を幼児が獲得する獲得時期を用いて、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる語の獲得時期を含む特徴量を抽出し、
難易度推定モデル生成部が、前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習することを含み、
前記特徴量抽出部が特徴量を抽出することでは、前記テキストに含まれる語のうち、前記獲得時期が求められていない語について、語毎に予め求められた、前記語の出現頻度を用いて、前記語を幼児が獲得する獲得時期を推定し、推定された前記獲得時期を更に用いて、入力されたテキストから、前記テキストに含まれる語の獲得時期を含む特徴量を抽出する難易度推定モデル学習方法。 - 特徴量抽出部が、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出し、
難易度推定モデル生成部が、前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習することを含み、
前記特徴量抽出部が特徴量を抽出することでは、前記用言の種類として、前記テキストに含まれる動詞が自動詞であるか、他動詞であるかを抽出する難易度推定モデル学習方法。 - 特徴量抽出部が、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる用言の項の数、及び用言の種類の少なくとも一つ以上を含む特徴量を抽出し、
難易度推定モデル生成部が、前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習することを含み、
前記特徴量抽出部が特徴量を抽出することでは、前記用言の種類として、前記テキストに含まれる動詞が、助詞「が」及び助詞「を」とは異なる助詞を取る動詞であるか否かを抽出する難易度推定モデル学習方法。 - 特徴量抽出部が、語に関するカテゴリ毎に、難易度又は対象時期が付与されたテキストの各々から、前記テキストに含まれる、前記カテゴリに属する名詞及び/又は用言の割合を含む特徴量を抽出し、
難易度推定モデル生成部が、前記特徴量抽出部により前記テキストの各々について抽出された前記特徴量と、前記テキストの各々に付与された難易度又は対象時期とに基づいて、前記テキストの難易度又は対象時期を推定するための難易度推定モデルを学習する
難易度推定モデル学習方法。 - コンピュータを、請求項1~請求項11の何れか1項に記載の難易度推定装置の各部として機能させるためのプログラム。
- コンピュータを、請求項22~請求項27の何れか1項に記載の難易度推定モデル学習装置の各部として機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018108551A JP7106999B2 (ja) | 2018-06-06 | 2018-06-06 | 難易度推定装置、難易度推定モデル学習装置、方法、及びプログラム |
PCT/JP2019/022053 WO2019235446A1 (ja) | 2018-06-06 | 2019-06-03 | 難易度推定装置、難易度推定モデル学習装置、方法、及びプログラム |
US15/734,540 US20230342550A1 (en) | 2018-06-06 | 2019-06-03 | Degree of difficulty estimating device, and degree of difficulty estimating model learning device, method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018108551A JP7106999B2 (ja) | 2018-06-06 | 2018-06-06 | 難易度推定装置、難易度推定モデル学習装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019212098A JP2019212098A (ja) | 2019-12-12 |
JP7106999B2 true JP7106999B2 (ja) | 2022-07-27 |
Family
ID=68769892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018108551A Active JP7106999B2 (ja) | 2018-06-06 | 2018-06-06 | 難易度推定装置、難易度推定モデル学習装置、方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230342550A1 (ja) |
JP (1) | JP7106999B2 (ja) |
WO (1) | WO2019235446A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10806393B2 (en) | 2019-01-29 | 2020-10-20 | Fuji Xerox Co., Ltd. | System and method for detection of cognitive and speech impairment based on temporal visual facial feature |
US20230205992A1 (en) * | 2020-06-16 | 2023-06-29 | Nippon Telegraph And Telephone Corporation | Proofreading support apparatus, proofreading support method and proofreading support program |
CN117611924B (zh) * | 2024-01-17 | 2024-04-09 | 贵州大学 | 一种基于图文子空间联合学习的植物叶片表型病害分类方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222400A (ja) | 1999-01-29 | 2000-08-11 | Casio Comput Co Ltd | 文章出力装置、及びプログラムが記憶された記憶媒体 |
JP2016152032A (ja) | 2015-02-19 | 2016-08-22 | 日本電信電話株式会社 | 難易度推定モデル学習装置、難易度推定装置、方法、及びプログラム |
JP2017151849A (ja) | 2016-02-26 | 2017-08-31 | 日本電信電話株式会社 | 外れ値箇所抽出装置、方法及びプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012147428A1 (ja) * | 2011-04-27 | 2012-11-01 | 日本電気株式会社 | テキストクラスタリング装置、テキストクラスタリング方法、およびコンピュータ読み取り可能な記録媒体 |
JP6466138B2 (ja) * | 2014-11-04 | 2019-02-06 | 株式会社東芝 | 外国語文作成支援装置、方法及びプログラム |
-
2018
- 2018-06-06 JP JP2018108551A patent/JP7106999B2/ja active Active
-
2019
- 2019-06-03 US US15/734,540 patent/US20230342550A1/en active Pending
- 2019-06-03 WO PCT/JP2019/022053 patent/WO2019235446A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222400A (ja) | 1999-01-29 | 2000-08-11 | Casio Comput Co Ltd | 文章出力装置、及びプログラムが記憶された記憶媒体 |
JP2016152032A (ja) | 2015-02-19 | 2016-08-22 | 日本電信電話株式会社 | 難易度推定モデル学習装置、難易度推定装置、方法、及びプログラム |
JP2017151849A (ja) | 2016-02-26 | 2017-08-31 | 日本電信電話株式会社 | 外れ値箇所抽出装置、方法及びプログラム |
Non-Patent Citations (2)
Title |
---|
中山祐輝 他2名,ユーザーレビューと目次を用いた学術本の難易度推定手法の提案と推薦システムへの応用,教育システム情報学会誌,日本,教育システム情報学会,2013年01月01日,Vol.30 No.1,54-64頁,ISSN 1341-4135 |
藤田早苗 他3名,幼児への発話における語の出現頻度と語彙獲得の関係を探る,電子情報通信学会技術研究報告,日本,一般社団法人電子情報通信学会,2018年01月19日,Vol.117 No.420,35-40頁,ISSN 0913-5685,HCS2017-72 |
Also Published As
Publication number | Publication date |
---|---|
WO2019235446A1 (ja) | 2019-12-12 |
US20230342550A1 (en) | 2023-10-26 |
JP2019212098A (ja) | 2019-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106156204A (zh) | 文本标签的提取方法和装置 | |
US11893537B2 (en) | Linguistic analysis of seed documents and peer groups | |
JP7106999B2 (ja) | 難易度推定装置、難易度推定モデル学習装置、方法、及びプログラム | |
Mykowiecka et al. | Testing word embeddings for Polish | |
Kurdi | Text complexity classification based on linguistic information: application to intelligent tutoring of ESL | |
Turney et al. | The natural selection of words: Finding the features of fitness | |
Bulté et al. | Automating lexical simplification in Dutch | |
Campesato | Natural language processing fundamentals for developers | |
Theijssen et al. | On the difficulty of making concreteness concrete | |
WO2016067396A1 (ja) | 文の並び替え方法および計算機 | |
Zhang et al. | Positive, negative, or mixed? Mining blogs for opinions | |
Keune | Explaining register and sociolinguistic variation in the lexicon: Corpus studies on Dutch | |
Lindemann et al. | Building corpus-based frequency lemma lists | |
Jiang et al. | ChouBERT: Pre-training french language model for crowdsensing with tweets in phytosanitary context | |
Kerkvliet et al. | Who mentions whom? recognizing political actors in proceedings | |
Alexander et al. | Lexis | |
Nothman | Learning named entity recognition from Wikipedia | |
Akter et al. | Extracting RDF triples from raw text | |
Stanković et al. | Towards automatic definition extraction for Serbian | |
Kumar et al. | A comparative analysis of sarcasm detection | |
US11928427B2 (en) | Linguistic analysis of seed documents and peer groups | |
Smywiński-Pohl et al. | Application of character-level language models in the domain of polish statutory law | |
Kurdi | Content-Dependent Versus Content-Independent Features for Gender and Age Range Identification in Different Types of Texts | |
Copestake | Natural Language Processing: Part II Overview of Natural Language Processing (L90): Part III/ACS | |
Farzindar et al. | Linguistic Pre-processing of Social Media Texts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20180702 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201002 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220210 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220614 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220627 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7106999 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |