要約
スーパータギングは、組合せ範疇文法（Combinatory Categorial Grammar: CCG）解析において重要なタスクとして従来から認識されており、このタスクでは文脈情報の効果的なモデル化が極めて重要です。しかし、既存の研究では、強力なエンコーダー（例えば、双方向LSTM）を適用する以外に文脈特徴を活用する努力が限られていました。本論文では、文脈情報を活用する新しい手法を通じてニューラルCCGスーパータギングを強化するために、注意付きグラフ畳み込みネットワーク（Attentive Graph Convolutional Networks）を提案します。具体的には、語彙から抽出されたチャンク（n-gram）からグラフを構築し、そのグラフに対してアテンションを適用することで、チャンク内およびチャンク間の異なる単語ペアがモデル内で重み付けされ、それに応じてスーパータギングが促進されます。CCGbankで実施した実験結果は、我々の手法が既存のすべての研究よりもスーパータギングと解析において優れていることを示しています。さらに詳細な分析により、我々の手法における各コンポーネントが単語ペアから差別的に学習してCCGスーパータギングを強化することの有効性が明らかになりました。