問題 No.2846
自然言語処理を用いたテキストマイニングのシナリオにおいて、社内報やカスタマーレビューから「人名」「組織名」「地名」「日時表現」などの特定の意味を持つ語句を自動的に識別し、それぞれに対応するカテゴリのタグを付与してリスト化するタスクとして最も適切なものを一つ選べ。
【正解の解説】
テキストデータの中から特定の意味を持つ固有名詞や数値表現を自動的に識別し分類する固有表現抽出を実施している。
これは、大量の本の中から「登場人物の名前」や「事件が起きた地名」「日付」などにまるで色付きの付箋を次々と貼っていくような作業です。文章の海から宝物である固有名詞だけをピンポイントで効率よく探し出すために欠かせない技術として、ビジネスの現場でも顧客の声を分析する際などに広く活用されています。
スポンサーリンク
【その他の選択肢の解説】
テキストデータの中から文単位の主述関係や修飾関係を構文木として解析し文法的な構造を明らかにしている。
初学者が「文章を分析する技術」という大きな枠組みで混同しやすいポイントです。固有表現抽出が名詞などの「言葉の意味や種類」に注目するのに対し、こちらは主語と述語の関係や「どの言葉がどの言葉を修飾しているか」という文法的な組み立てを解き明かす点が決定的な違いです。
テキストデータの中から単語の出現頻度や共起関係を統計的に算出して文書全体のトピックを推定している。
人名や地名といった特定の単語の「種類」を見つけ出す固有表現抽出とは異なり、こちらは文章全体で「どんな言葉がたくさん使われているか」という統計的な傾向から大まかな話題を推測するアプローチです。目的が異なるため、混同しないよう注意が必要です。
テキストデータの中から文章全体の肯定や否定といった感情の極性を判定して数値化し集計している。
カスタマーレビューという同じデータソースを扱うため引っかかりやすいですが、こちらは「人名や地名などのパーツを見つけること」ではなく、「製品に対して満足しているか怒っているかという全体的な気分や評価を数値化すること」を目的としています。アプローチする対象が根本から異なります。