質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.51%

  • 機械学習

    957questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

曖昧な単語を機械学習によって、タグ付けしたい

受付中

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 861

R7038XX

score 35

 前提・実現したいこと

機械学習によって、単語にタグ付けをしたい

以下のような事は、Word2Vecなどで実現可能なのでしょうか?
それとも、別に、このアルゴリズムの方が実現できるなどがあれば、
ご教示いただきたいです!

■入力単語
りんご
リンゴ
林檎
りんごEx
アップル
Apple
みかん
オレンジ
ぶどう
グレープ
マスカット

■結果

入力単語 タグ
りんご りんご
リンゴ りんご
林檎 りんご
りんごEx りんご
アップル りんご
Apple りんご
みかん みかん
オレンジ みかん
ぶどう ぶどう
グレープ ぶどう
マスカット ぶどう
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • mkgrei

    2018/03/21 23:40

    タグの重複、タグにないもの、例えば、「みかんりんご」、「とうふ」は何に分類されますか?

    キャンセル

  • R7038XX

    2018/03/26 15:08

    「みかんりんご」は、前方一致した「みかん」を優先し、「とうふ」などの無いものは、「その他」などに分類したいです

    キャンセル

回答 2

+1

方法1:
word2vecを使うなら、たとえばクラスタリングしてしまうのが手です。10万単語学習させておいて、1000クラスタくらいまでクラスタリングすれば望むようなものが一応できます。
ただし、クラスタの粒度をコントロールしづらい(「りんご」「みかん」「ぶどう」でまとまる保証はどこにもない。「果物」とかでまとまっちゃう可能性だって十分ある)のと、クラスタリングはタグ付けはしてくれないので何らかの方法でタグを付ける必要がある(人が見て決める。もしくはクラスタに属する単語の平均を取り、cosine類似度が平均に一番近い単語を取るなどのアプローチを取る)ことが難点です。

方法2:
Latent Dirichlet Allocationという手もあります。word2vecのような分散表現とはまた少し違った手法で、単語の出現頻度から潜在的なtopicを推定してくれます。どちらかといえばword2vecなどを使った方が高い性能が得られるシチュエーションが多いようですが、LDAもまだ選択肢にはなります。

方法3:
wordNetのようなシソーラスを使い、同義語・類義語を適当なレベルでグルーピングしてしまうという解決策があります。これもけっきょくグルーピングの粒度は人が決めることになります。また、未知語をどう取り扱うかが深刻な問題になります。

方法4:
対象にする単語が少ないなら(せいぜい1000単語以下、本当に「りんご」「みかん」「ぶどう」だけ処理するといった場合)、googleで検索したり辞書を読むなどして類義語や同義語、関連語を調べ、人手で(質問者様が)ひたすらタグを登録していく。手間はかかりますが、確実な方法です。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

0

まず、word2vecですが、与えられた単語から類似性のある単語を抽出する機能があります。しかしながら、ここでいう類似性のある単語とは、学習させた文章において使われ方が類似しているという意味合いなので、『りんご』に対してリンゴ、果物、ミカン、アップルパイなど、『りんご』から連想される単語が出力されてしまいます。よって、ここから先、質問に記載されているようなアウトプットにするには手作業か自身で作り込んだアルゴリズムが必要となります。

word2vec以外ですと商用ソフトウェアの活用が面倒がないかと思います。大抵のものは裏側の辞書などを使った類義語判定機能があるようなので、これにニーズにあった処理を追加する方法が考えられます。
自身で処理をコード化したいとなると、論文のサーベイしてニーズにあったものを実装するということになると思います

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

同じタグがついた質問を見る

  • 機械学習

    957questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。