□従来の機械学習や深層学習（ディープラーニング）では不可能であった意味理解や意図処理、知識化、知識構造化などを意味概念位相空間上の動的イデアルから求めた新しい理論での日本語意味理解のセミナーです。
＜シラバス＞
□形態素解析（分ち書き+品詞付け+概念タグ付与）
形態素ごとの概念構造（助詞にも副詞、助動詞にも概念があります）
例：Xで行った。→X＝交通機関、Xへ行った→X＝目的地
□構文解析（連文節、文節結合+係り受け処理）
係り受け関係は文節間だけでなく、形態素、連文節間、文間にもあります
例：SP（主部、述部）、順接（前文、文）、逆接（前々文、文）
□文脈解析（照応解析）
照応詞（代名詞、ゼロ代名詞）と先行詞（形態素、文節、連文節、文）の特定
特に先行詞は文全体に係ったり、連文節に係る場合がある
例：ここでタバコを吸ってはダメ。そのようなことはマナーの問題だ。
□意味解析（意味タグ付与：文、連文節、文節の関係子）
意味タグは係受関係に付与される
例：Causal（前々文、文）、Metaphor（（鼻が、高い）、自慢）
■知識生成（独立性+要約）
文書から知識を抽出するにはResidueClassとCoset、Summaryが必須
例：「太陽は東から昇る。」「地球は自転をしている。」…→「地球は太陽を中心に公転している。」
■知識構造化（シソーラス概念+イデアル概念）
知識は包含関係（上位/下位概念）や因果関係（依存関係）、属性などの構造化が必要
例：「家が燃えた」←「タバコの不始末」「放火」
■新知識生成（仮説検証）
既存の知識から仮説生成で仮知識を生成し、検証で新知識を確定する
例：医学論文→未発見新知識「マグネシウムの欠乏で偏頭痛が起こる」
〇意味概念位相空間構築SCTS
形態素すべての意味概念空間を自動生成することで、
同義語/類似語/関連語や視点別の概念ベクトルで分布状態が抽出できる
〇概念タグCT
固有表現entityは名詞や形容詞などだけですが、CTは助詞や助動詞、動詞などすべての形態素に意味概念ベクトル階層化構造が自動付与される
文の意味は、形態素の固有表現の「集合」では決まらなく、構文に依存される。
従って、品詞すべてのCTの「列：係り受け」によって文の意味が理解できる。
〇意味タグ
上記CTの列によっては、個別のCTが変化する場合がある。例：metaphorなど
それはメタCTとも考えられるが、これはCTの概念構造を超越してしまうので、もはやCTではなくSTと称する。
セミナー参加希望は お問い合わせ ください