0. システムID = 1250b

1. システム

1.1. システムでは明示的にパターンが使用されているか = はい

1.1.0. 1.1.が「はい」の場合は1.2.、「いいえ」は1.3.、それ以外は1.4へ

1.2. 明示的なパターンの使用

1.2.1. パターンの数 = 65,128

1.2.2. パターンの端末要素は文字、形態素、文節のいづれか : 形態素

1.2.3. パターンのカテゴリ（非端末要素：文字列でないもの）

1.2.3.1.  カテゴリの種類数 = 33　ただし、実際は文字列と組み合わせて使う場合もある

1.2.3.2. そのカテゴリは、品詞レベルか概念（意味）レベルか : 品詞レベル

1.2.4. パターンの構成要素の範囲

1.2.4.1. 中心語と接辞（接頭、接尾辞） = はい

1.2.4.2. 複数の名詞句(説明名詞句（「電話会社」）などを含む） = はい

1.2.4.3. 文節内のレベル(格助詞などを含む） = 形態素レベルなので文節の概念はない

1.2.4.4. 文節を越えたレベル（動詞などを含む） = 形態素レベルなので文節の概念はない

1.2.5. パターンの作成方法

1.2.5.1. タグつきコーパスを参考にした = はい

1.2.5.2. タグつきコーパスを参考にした場合、その量（文数） = 11006

1.2.5.3. タグなしコーパスを参考にした(KWICなど） = いいえ

1.2.5.4. タグなしコーパスを参考にした場合、その量（文数） =

1.2.5.5. 既存辞書を参考にした = いいえ

1.2.5.6. 既存辞書を参考にした場合、辞書名 :

1.2.5.7. なんらかの統計処理/自動化を行なった（クラスタリングなど） : はい

1.2.5.8. そのほかのパターン作成方法 :

1.2.5.9. パターン作成にかかった労力（延べ日数） =　１日(ツールによる自動作成なので)

1.2.6. パターンの適応

1.2.6.1. パターンの適応に確率/統計/優先度を導入したか = はい

1.2.6.2. パターンの適応が決定的な場合、その順序の作成はどうしたか :

1.3. 明示的なパターンを使用していない

1.3.1. どのような手法か（例：3-gram,可変N-gram) :

1.3.2. 端末要素の単位は文字、形態素、文節のいづれか :

1.3.3. 要素のカテゴリ（非端末要素：文字列でないもの）

1.3.3.1.  カテゴリの種類数 =

1.3.3.2. そのカテゴリは、品詞レベルか概念（意味）レベルか :

1.3.4. 構成要素の範囲

1.3.4.1. 固定範囲ならばその範囲 :

1.3.4.2. 固定範囲でなければその範囲の決め方 :

1.3.5. 作成方法（手作業、自動） :

1.3.6. 知識の作成にかかった労力（延べ日数） =

1.4.  どのような手法か説明して下さい :　タグつきコーパスから形態素レベルで、規則抽出。条件付確率と固有名辞書を使った判別分析にフィルタを数種適用
して候補を決定。

1.5. 自動学習をなんらかの形で使用した場合のみ答えて下さい

1.5.1. どの場面で使用したか : 規則の抽出、規則の初期スコアの決定、固有名辞書を使った判別分析のパラメータ学習、閾値の決定

1.5.1.0. 複数の場面で使用した場合は主なものについて以下答えて下さい

1.5.2. 自動学習の手法は（例：決定木、最大エントロピー、決定リスト） : 判別分析

1.5.3. 自動学習データの規模は（総合ドメイン：文数） = 11006

1.5.4. 自動学習データの規模は（逮捕ドメイン：文数） = 11006

1.5.5. 自動学習で使用された素性はどのようなものか : 品詞、文字列、固有名辞書にあるかどうか

1.5.6. 自動学習で使用された素性はどのように選んだか : 人手で選択（質問の意図がよくわかりません）

1.5.7. 自動学習の部分に関連して人手でやったことがあるか : いいえ

1.5.8. 自動学習にかかった時間（時間） = 2〜3

1.5.9. 人手の部分にかかった時間（時間） = 0

1.6. 形態素解析ツールを使ったか = はい

1.6.1. 形態素解析ツールのシステム名 : Sumomo 1.3

1.6.2. 形態素解析辞書の全登録語数 = ?

1.6.3. 固有名詞辞書のカテゴリ種別と登録数(例：会社名=30000) : 会社名=3377 地名=7210 国名=151 人名=3793 日付=147　時間=30 官庁名=374 通貨名=35 割
合=17 トレーニングデータ中の固有名から=10527 その他=31248

1.6.4. 辞書をIREX-NEのためにチューニングしたか = はい（トレーニングデータ中の固有名を使った）

1.6.5. 形態素解析結果が固有表現より長い場合に対処したか(例「来日」) = いいえ

1.6.5.1. すべての処理が終了してから対処 =

1.6.5.2. 形態素解析処理の直後に対処 =

1.6.5.3. その他 =

1.6.5.4. この処理のための情報はどこから得たか(例：サンプルデータ) :

1.6.6. 構文解析、係り受け解析は使ったか = いいえ

1.6.6.1. 構文解析、係り受け解析などを行なったとしたらその処理レベル :

1.7. 分野限定課題で、限定分野用にシステムをチューニングしたか = いいえ

1.7.1. トレーニングデータを替えた =

1.7.2. パターンを替えた =

1.7.3. パターンのなんらかの重みを替えた =

1.7.4. 辞書を替えた =

1.7.5. その他 :

1.8. 解析は、一記事あたり何回か = 1回（質問意図不明）

1.8.1. 1.8.で１回以上と答えた方。何のためか

1.8.1.1. 照応解析 =

1.8.1.2. 短縮表現解析 =

1.8.1.3. 固有表現種類の曖昧性の解析 =

1.8.1.4. 未知語解析 =

1.8.1.5. パターンの重みのチューニング = はい

1.8.1.6. 辞書の重みのチューニング = はい

1.8.1.7. その他 :

2. 基礎データ

2.1. システム開発に関連して以下のどのようなコーパスデータを使用したか

2.1.1. NEタグつきコーパス

2.1.1.1. IREX-NE予備試験トレーニングデータ = はい

2.1.1.2. IREX-NE予備試験データ = はい

2.1.1.3. IREX-NE本試験逮捕トレーニングデータ =　いいえ

2.1.1.4. 過去のMUC/METデータ = いいえ

2.1.1.5. CRL固有表現データ = はい

2.1.1.6. その他 :

2.1.1.7. タグつきコーパスの全規模（文数） : 11006

2.1.2. タグなしコーパス

2.1.2.1. 毎日新聞記事データ =

2.1.2.2. 日経新聞記事データ =

2.1.2.3. 朝日新聞記事データ =

2.1.2.4. その他新聞記事データ :

2.1.2.5. その他新聞記事以外のデータ :

2.1.2.6. タグなしコーパスの全規模（文数） : 0

2.1.3. その他の種類のコーパス（形態素解析済みなど） : 0

2.1.3.1. その他の種類のコーパスの規模（文数） :

2.2. システム開発に関連して以下のどのような辞書データを使用したか

2.2.1. JUMAN辞書 =

2.2.2. EDR辞書 = Sumomo で使用

2.2.3. NYU公開の固有表現辞典 =

2.2.4. 組織名辞典（使った場合には商品名） :

2.2.5. 人名辞典（使った場合には商品名） :

2.2.6. 地名辞典（使った場合には商品名） :　

2.2.7. 固有物名辞典（使った場合には商品名） :

2.2.8. その他固有表現の辞典（使った場合には商品名） :

3. 実行環境

3.1. 検索時間（１記事あたりの平均CPU時間［秒］） = 0.12

3.2. プロセスサイズ[MB]  = 3.4

3.3. 計算機についての情報

3.3.1. 実験に使用した計算機 : SUN SS-UA-1

3.3.2. その計算機は専用か共用か : 共用

3.3.3. ハードディスクの総容量[GB] = 30

3.3.4. RAMの総容量[MB]  = 437

3.3.5. CPUのクロック数[MHz] = 167

4. 個別結果（例のように「抽出できたか、辞書にあるか」を書く）

4.0.1. (例)「ゴアレーベン村」 = 抽出できた 辞書にない

4.0.2. (例)「コソボ自治州」 = 抽出できない 辞書にある

4.1. 組織名

4.1.1. 「不動産情報・登記・税制・評価システム協議会」(100000001) : 抽出できない 辞書にない

4.1.2. 「厚生科学審議会先端医療技術評価部会」(100000002) : 抽出できない 辞書にない

4.1.3. 「マクロメディア」(100000051) :　抽出できない 辞書にない

4.1.4. 「ヘアーサロンＳＡＫＡＩ」(100000007) : 抽出できない 辞書にない

4.1.5. 「モガミ・アメリカ」(100000068) : 抽出できた 辞書にない

4.1.6. 「ＭＢＣテレビ」(100000012) : 抽出できない 辞書にない

4.1.7. 「インターポール」(100000046) :　抽出できない 辞書にない

4.1.8. 「緑の党」(100000003) : 抽出できた 辞書にある

4.2. 人名

4.2.1. 「本多静雄」(100000025) : 抽出できない 辞書にない

4.2.2. 「ほんだ・しずお」(100000025) : 抽出できない 辞書にない

4.2.3. 「波雄」(100000025) : 抽出できない 辞書にない

4.2.4. 「本多秋五」(100000025) : 抽出できない 辞書にある

4.2.5. 「パプリヤス」(100000036) : 抽出できた 辞書にない

4.2.6. 「矢内原巧」(100000002)  :　抽出できない 辞書にない

4.2.7. 「ユトリロ」(100000014)  : 抽出できない 辞書にない

4.2.8. 「佐藤康光」(100000044)  : 抽出できない 辞書にない

4.2.9. 「佐藤」(100000044)  :　抽出できた 辞書にある

4.2.10. 「中上ちさと」(100000022)  :  抽出できた 辞書にない

4.3. 地名

4.3.1. 「ゴアレーベン村」(100000003) : 抽出できない 辞書にない

4.3.2. 「ゴアレーベン」(100000003) : 抽出できない 辞書にない

4.3.3. 「コソボ自治州」(100000008) : 抽出できない 辞書にない

4.3.4. 「コソボ」(100000030) : 抽出できない 辞書にない

4.3.5. 「米」(100000008[米兵と表現したもの]) :  抽出できた 辞書にある

4.3.6. 「米」(100000012[米韓と表現されたもの]) : 抽出できない 辞書にある

4.4. 固有物名

4.4.1. 「ヨーロッパ調街並み」(100000014) : 抽出できない 辞書にない

4.4.2. 「推理小説展望」(100000017) : 抽出できない 辞書にない

4.4.3. 「日本推理作家協会賞」(100000017) : 抽出できない 辞書にない

4.4.4. 「鳳仙花」(100000022) : 抽出できない 辞書にない

4.4.5. 「シーバード号」(100000039) : 抽出できない 辞書にない

5. 自由記述 :