SalienceGraph: 顕現性の定量化に基づく話題遷移図の可視化

1. 地域 環境 治水 意見 移転 環境 治水 水不足 SalienceGraph: 顕現性の定量化に基づく話題遷移図の可視化 京都大学 情報学研究科 日本学術振興会 特別研究員 (PD) siramatu@kuis.kyoto-u.ac.jp http://winnie.kuis.kyoto-u.ac.jp/~siramatu/ 白松 俊 背景 • 行政への住民参画 (Public Involvement) のための公的討議 (住民公聴会等) • 問題点: 数百文から成る議事録 ⇒ 意見集約のためには多大な労力 • 要求:議事録全体の議題の「流れ」を一目で把握して，閲覧の労力を削減したい 目的 議事録などの長い談話の話題の遷移を可視化し，全体の「流れ」の把握を容易に 提案手法：SalienceGraph 従来 ある行政の下部組織の議事録 PDFで公開 3次元 ベクトル表示 （スライドバーの　位置の議題） 重要語 （変更可） 議事録 （スライドバーの位置と連動） 全87ページ！ ある自治体の議事録閲覧Webインタフェース 単語の 顕現性 (salience) 話題遷移図 スライドバー Visual Information Seeking Mantra[Shneiderman 98]: “Overview first, zoom and filter, then details on demand” を満たす 議事録全体の「流れ」の把握が困難 ⇒ 閲覧・分析に多大な労力 課題 発話ごとに動的に変化する単語の顕現性 (salience) をどう定量化すればよいか？ 仮定:「目立っている実体は， 次の発話Ui+1でも継続的に参照されやすい」 発展： トピック抽出 PLSAで3次元に圧縮 解決策 1 （発話Ui時点における単語wの顕現性） ＝参照確率Pr(Ui+1でw が参照される |Uiまでの先行文脈) 顕現性 GDAタグ（CaboChaの係り受け解析結果）付きテキスト 参照確率p(w|pre(Ui))] U432 三田村委員: よろしゅうございますか。 U433 三田村委員: それで、もしその手続等にご意見ございましたら、後でまたお伺いしたいと思います。 U434 三田村委員: 時間の都合もございますので。 U435 三田村委員: 今の件で、ございますか。 U436 村上委員: 基本的には、ダムをつくるかどうかという話よりも治水をどうするのか、あるいは利水をどうするのか、環境問題をどう判断するのかと、そういったことで総合的に考えましょう。 U437 村上委員: それで、恐らく皆さん方の不満は、この３つの問題を解決するのにダムが絶対必然だと自分たちは考えているのに、その意見が一切反映されず、それでそれが取り上げられていない。 U438 村上委員: だから、そういう意味では、この流域委員会は役目を果たしておらんというふうなところへ来ていると思うんです。 0 発話系列 が高い単語群 z1: 琵琶湖 ダム 水 丹生ダム 丹生 魚 活性 活性化 近畿 地方 資源 建設 地方整備局 近畿地方整備局 水位 近畿地方 … z2: 高時川 治水 自分 川 河道 堤防 河 道 ダム 昭和 先生 姉川 洪水 地域 子供 水害 水 問題 環境 改修 利水 滋賀県 … z3:意見 委員 委員会 流域委員会 流域委員 住民 流域 お願い 交換会 意見交換会 交換 管理者 河川 意見交換 … 地域活性化など 水害・治水など 次の発話U437で 「環境」が参照される確率 司会・議事進行など コーパスから ロジスティック回帰で計算 更なる応用例 関連情報・関連議事録の自動提示 素性抽出 まずは書き起こしに対して動くように （実際にはPLSA等で 次元圧縮した空間上で） 新近性効果による 素性の重み付け dist(w,Ui+1) 進行中の会議の流れ U264 A: 京都は U265 A: どうですか U266 B: 京都はね U267 B: 二年間(φデ)勤めました U268 A: そうなんですか U269 B: 超大手の建築会社に勤めてる時に U270 A: それが京都 U271 B: 二年間だけ京都の営業所に配属されたんですよ U272 B: ちょっと(φガ)(φト)違いますね U273 A: そうなんですか クエリー 最近の素性ほど重視 顕現性 検索対象 窓関数 W(dist(w,Ui+1)) 注意状態を反映した クエリーの自動生成 現時点 shift shift 素性の重みW 議事録中の ある時点 過去の議事録 評価 計算手法mによる 顕現性推定値 相関 参照の有無の正解(0 or 1) 顕現性 話し言葉CSJ矩形窓かけTF: 0.1048 → 本手法: 0.3652 毎日新聞 矩形窓かけTF: 0.3013 → 本手法: 0.3680 話し言葉に適した手法