Googleを使って「意味」を理解 [技術]

スラド経由で知った論文。

Googleを使って機械、つまりコンピュータに語の意味を理解させよう、というか、ある文脈においてある語がどういう意味で使われているかを、machine-processableな形で確定しよう、という試み。

基本的な考え方としては、たとえば"hat"という語の意味を理解したい、あるいは文脈での意味を確定したいという場合、その"hat"という語と、も一つ任意の語の対でブーリアンサーチをかける。そうすっと、たとえば(hat, head)という対の方が、(hat, banana)という対よりもGoogleでのヒット数が多く、ゆえに"hat"という語の意味上の親和性は"banana"とよりも"head"との方が高い……って、こういうプロセスをギチギチ詰めてくと、あら不思議、"hat"の意味がコンピュータにも分かる、も少し控えめに言うと、少なくともどういう文脈で"hat"という語が使われるかコンピュータにも区別できる、ってことなんだけど、どうなの？

「ある文脈である語がどういう意味で使われているか」ということの「理解」だったら、上述の方法で出来るような気がするんだけど、端的に「その語の意味を理解」ってことになると、ちょっといぶかしいなあ。

まあ、これから上記論文を読んでみるけど、何より気にかかるのはGoogleのブーリアンサーチを使ってる、ってことだよね。しかも、統計的な使い方をしている。これが、何にも処理をしていない生データのランダムサンプリング、とかいう形でGoogleが検索結果を出してくれるんだったら、各種統計手法で推定も出来ると思うけど、何せPageRankかましちゃってますからねえ。ここでもうすでに無視できない偏差が生じてるわけで。

そんなわけで、最近Google問題でにぎわっているLanguageLogの人たちがこの論文にどう反応するか、それも楽しみ。