SemEval-2018 タスク9におけるEXPR：ハイパニム発見の統合的手法

本稿では、SemEval 2018におけるハイパノニム発見タスクへの参加を目的として、我々が提案するシステム（EXPR）について述べる。このタスクは、テキストコーパスからハイパノニム関係を発見するという課題に取り組むものである。本研究では、パスベース手法と分布表現手法を統合したアプローチを採用している。まず、コーパスに対して依存構文解析器を適用し、候補となるハイパノニムを抽出し、それらの依存パスを特徴ベクトルとして表現する。この特徴ベクトルは、Wikipediaで事前学習された語彙埋め込みモデル（term embedding model）から得られた特徴ベクトルと連結される。連結された特徴ベクトルを用いて、教師あり機械学習手法により分類器モデルを学習する。このモデルは、新たな候補ハイパノニムが実際にハイパノニムであるか否かを分類する能力を持つ。実験の結果、本システムはゴールドハイパノニムに含まれない新たなハイパノニムの発見において優れた性能を発揮した。