明示的意味論を用いた解釈可能な共参照解決評価
本論文は、共参照解決（coreference resolution）の評価において、従来の指標では捉えきれない意味的精度を明示的に扱う新しい評価手法を提案する。提案手法は、共参照関係の正誤判定に意味役割や語彙情報などの明示的意味論を導入することで、システムの判断根拠を解釈可能にする。実験により、従来の指標と比較して、より詳細で人間の判断に即した評価が可能であることを示す。
背景メモ
- 本論文は「解釈可能な照応解決評価」を提案する。照応解決（coreference resolution）とは「太郎が来た。彼は疲れていた」における「彼」が「太郎」を指す、というように文中の同じ実体を指す表現を同定するNLPタスク。従来の精度評価は正解ラベルとの一致率だけを見るブラックボックス的指標が主流だった。
- 著者らは、評価に「明示的意味（explicit semantics）」すなわち代名詞とその先行詞の意味的な合致（性・数・人称・ジェンダーなど）を直接チェックする枠組みを導入。これにより「なぜ誤ったか」が説明可能になる。
- 本論文はACL 2026（計算言語学会のトップ国際会議）に採録。解釈可能性（interpretability）はLLM時代のNLP研究で急務となっているテーマ。
- 読者が知っておくべき点：従来の照応解決評価（MUC, B^3, CEAFなど）はスコアしか出さず、エラーの種類（意味的誤り vs. 構文的誤り）を区別できない。本手法はその限界を克服しようとする試み。