曖昧な単語を機械学習によって、タグ付けしたい

Question

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

Comments

[mkgrei]

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？

[R7038XX]

「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

Answer 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。

Answer 2

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