視点情報を用いた主観的高難易度単語の推定
| 言語 | 日本語 |
|---|---|
| 種類 | 研究会等の予稿 |
| 著者 | 大社 綾乃，石丸 翔也，Olivier Augereau，黄瀬 浩一 |
| 論文名 | 視点情報を用いた主観的高難易度単語の推定 |
| 書名 | 電子情報通信学会技術研究報告 |
| Vol. | 115 |
| No. | 517 |
| 発表番号 | PRMU2015-189 |
| ページ | pp.149-154 |
| 発表場所 | 東京都江東区 |
| 査読の有無 | 無 |
| 発表の種類 | 口頭発表 |
| 年月 | 2016年3月 |
| キー | Okoso2016 (id=1495) |
要約
本稿では，アイトラッカから取得した視点情報より，Deep Learning を用いた，文書上の主観的高難易度 単語の推定手法を提案する．「主観的高難易度単語」とは，文書を読んだ際にユーザが難しいと感じた単語を表す．文 書を読むだけで，主観的高難易度単語を推定することが出来れば，ユーザはどの単語を学習しなければならないかを 簡単に知ることが出来る．文書を読んでいる際に，難しいと感じた単語に印をつける手間が省け，読むリズムが乱れ ないという利点もある．そのため，学習補助に大変有効であると言える．一般的に，難しい単語を目にすると，読む 速度が遅くなったり，何度も読み返すといったような視点パターンがみられる傾向がある．しかし，難しい単語の意 味を文脈から判断できる場合，読み飛ばし，視点パターンに特徴が見られないことがある．そこで，提案手法では視 点情報に加え，単語の出現頻度情報を用いる．まず，各単語を中心に前後２〜３単語を読んでいる際の視点パターン を抽出し，視点情報による入力データを得る．そして，入力データに単語の一般的な出現頻度情報を付加し，Deep Learning を用いて学習することで，より高精度な主観的高難易度単語の推定を目指す．提案手法の有効性を示すため， 25 名の視線データを記録し学習し，主観的高難易度単語の推定精度を検証した．検証の結果，推定精度は，再現率 90:8%，適合率34:4%，F 値49:2% であった．
関連ファイル
- …
この文献を出力
書式の定義
書式の定義の書き方
{authors} のように波括弧でフィールドを挿入します．[ ... ] で囲んだ部分は，その中のフィールドが空のとき丸ごと省略されます．使えるフィールド：
{authors}{authors_and}{authors_ja}{authors_ja_tight}{authors_en}{authors_en_and}{authors_tight}{first_author}{title}{title_ja}{title_en}{journal}{journal_ja}{journal_en}{book_title}{volume}{number}{series}{presen_id}{pages}{pp}{num_pages}{year}{month}{month_en}{month_short}{ym}{date}{date_ja}{date_en}{publisher}{address}{location}{review}{review_ja}{review_en}{reviewed_mark}{presen_type}{type}{type_label}{doi}{url}{key}{awards}