物語におけるスケルトンベースの一貫性モデリング

要旨: 文中のコヒーレンス（まとまり）をモデル化することは、長い間NLP研究者を惹きつけてきた課題である。これは、非コヒーレントな構造を検出することや、著者がそれらを修正するのを助けることに応用できる。近年では、ニューラルネットワークを用いて1つの文からスケルトン（骨格）を抽出し、そのスケルトンを用いて次の文を生成することで、コヒーレントな物語を生成する取り組みが行われている。このプロジェクトでは、後続する文どうしにおけるスケルトンの一貫性が、あるまとまりのある文章（テキスト）のコヒーレンスを特徴づける良い指標になり得るかどうかを検討することを目指す。対となる2つの文の組にわたってコヒーレンスをモデル化するための、新しいSentence/Skeleton Similarity Network（SSN）を提案し、このネットワークが、コサイン類似度やユークリッド距離といったベースラインの類似度手法よりも大幅に優れていることを示す。スケルトンはコヒーレンスをモデル化する有望な候補に見えるが、本研究の結果は、テキストのコヒーレンス評価において、スケルトン上のモデルよりも文レベルのモデルのほうが優れていることを示している。これは、現状の最先端のコヒーレンス・モデリング手法が、文とその部分のサブ構成ではなく文を扱うことで正しい方向に進んでいることを示唆するものである。