【ITニュース解説】Dependency Parsing: How NLP Understands Sentence Structure

自然言語処理（NLP）において、文の意味を深く理解するためには、単に単語の種類を知るだけでは不十分である。品詞タグ付けによって「犬」が名詞、「噛んだ」が動詞とわかるが、これだけでは「誰が噛んだのか」「何を噛んだのか」という具体的な関係性が見えてこない。このような単語間の文法的なつながりを明らかにする技術が、依存関係解析である。この技術は、文中の単語が互いにどのように関係し、文全体がどのように構成されているかを解析する。

依存関係解析の根底にあるのは、依存文法という言語学の理論である。この理論では、文は単語間の関係性のネットワークとして捉えられる。従来の文法解析が文を入れ子になった句の構造で捉えるのに対し、依存文法は個々の単語間に直接的なリンクを描く。文中のすべての単語は、ただ一つを除いて、他の単語に依存していると考える。この依存される側の単語を「ヘッド」と呼び、単語とヘッドの関係を「依存関係」と呼ぶ。これらの関係には、「主語（nsubj）」「目的語（obj）」「修飾語（mod）」「限定詞（det）」といった文法的な役割を示す名前が付けられる。文中でどの単語にも依存しない唯一の単語が「根（root）」であり、これは通常、文の主動詞にあたる。

例えば、「The dog bit the man.（犬が男を噛んだ）」という文を考えてみよう。「bit（噛んだ）」が文の根となる。この「bit」に対し、「dog（犬）」は主語として依存し、「man（男）」は目的語として依存する。また、それぞれの「The」や「the」は、対応する名詞（dogやman）に限定詞として依存する。このように、すべての単語が説明され、それぞれの関係に名前が付けられることで、文は一つの関係性のマップへと変換される。これらの関係性を視覚的に図にしたものを「依存ツリー」と呼ぶ。このツリーは、一本の根（主動詞）から枝分かれするように広がり、主語、目的語、修飾語などがその下にぶら下がる構造となる。各節点は単語を示し、各辺はラベル付けされた関係性を示し、すべての単語は一度だけ現れ、循環する鎖はない。この依存ツリーによって、文の構造が明確になり、機械がプログラム的に解析できるようになる。例えば、主動詞の主語を見つけたり、特定の単語の修飾語をすべて見つけたりすることが可能になる。

構文解析ツリーには主に二つの種類があることを理解しておくことが重要である。一つはここまで説明してきた「依存関係解析ツリー」であり、これは個々の単語をタイプ付けされた関係ラベルで直接結びつける。単語を句としてグループ化せずに、単語間の直接的なつながりを重視する構造である。もう一つは「構成素解析ツリー（または句構造ツリー）」と呼ばれ、単語を入れ子になった句にグループ化するアプローチをとる。例えば、決定詞と名詞が名詞句を構成し、動詞とその名詞句が動詞句を構成するといった形で、それらの句が最終的に文の最上位ノードに収まる。これら二つのアプローチは、異なる角度から同じ文の根底にある構造を明らかにする。どちらを選択するかは、解決したいタスクによって異なる。単語間の具体的な関係（誰が何をどうしたか）を知る必要があるタスクには依存ツリーが向いている。一方、文の階層的な構造（句がどのように入れ子になっているか）を理解する必要があるタスクには構成素ツリーが向いている。現代のNLPシステムでは、依存関係解析の方が実運用で広く使われる傾向にある。計算が高速で、プログラム的に扱いやすく、ほとんどの下流タスクにとって十分な情報を提供するからである。依存関係解析と構成素解析は、どちらも文の文法構造を解析する「構文解析」の一種であり、品詞タグ付けも構文解析に含まれる。これらはすべて同じ技術体系の一部であり、それぞれ異なる層の文法構造を明らかにする。NLPのパイプラインにおいては、通常、基本的なテキスト処理（トークン化、品詞タグ付け）とより高度な理解（意味解析、情報抽出）の間に構文解析が位置付けられ、より深い解析を可能にする構造的な骨格を提供する。

現代の依存関係解析器はニューラルネットワークを利用しているが、その核心的なタスクは常に同じで、文中の各単語についてそのヘッドを見つけ、関係にラベルを付けることである。この解析を行うための主なアルゴリズムのアプローチは二つある。一つは「遷移ベース解析」である。これは文を左から右へ順に処理し、現在処理中の単語のスタックを維持する。各ステップで、分類器は次の単語をスタックにシフトするか、二つの単語間に依存関係を作成するか、次に進むかという小さな一連のアクションから選択する。決定が一度に一つずつ行われるため、このアプローチは線形時間で動作し、実運用に十分な速さを持つ。もう一つは「グラフベース解析」である。これはツリーをステップバイステップで構築するのではなく、すべての単語ペア間の可能なすべての辺（関係）をスコア付けし、その合計スコアを最大化するツリーを見つけ出す。遷移ベース解析よりも遅いが、特に複雑な構造を持つ長い文において、より高い精度を示す傾向がある。現在、最先端の解析器の多くは、ニューラルネットワークとグラフベースのアプローチを組み合わせ、Transformerベースの表現を用いて豊かな文脈情報に基づいて辺のスコアを算出している。

品詞タグ付けと同様に、依存関係解析がそれ自体で最終目標となることは稀である。それは、他の多様なNLPタスクを可能にするためのパイプラインにおける重要な層の一つとなる。例えば、情報抽出の分野では、依存ツリーを利用して主語-動詞-目的語の三つ組を大規模に特定できる。ニュース記事のコーパスから、「会社が会社を買収した」や「人物が発言した」といった形式のイベントを、解析ツリーの構造をクエリすることで、効率的かつ正確に抽出することが可能になる。これは、言語モデルが偶然正しい情報を抽出するのを期待するよりも、はるかに高速で精密な方法である。質問応答システムでは、質問が実際に何を尋ねているのかを理解するために依存関係解析が用いられる。「誰が犬を噛んだのか？」と「犬が誰を噛んだのか？」という二つの質問は、同じ単語から構成されているにもかかわらず、全く逆の意味を持つ。依存ツリーは、この意味の違いを明確に表現する。機械翻訳においては、文法的に正しいターゲット言語の出力を生成するために構文構造が不可欠である。言語によって語順は異なるが、依存関係は言語に依存しない構造を提供し、翻訳システムがそれをマッピングするのに役立つ。臨床NLPでは、依存関係解析を用いて臨床記録から投薬量、症状、診断などを抽出する。「動詞『処方された』の目的語である名詞を見つける」といったルールは、臨床言語があいまいで変動しやすい状況において、キーワードマッチングよりもはるかに信頼性の高い方法となる。共参照解決、つまり「彼は」という代名詞が前の文の「ジョン」を指すことを特定する際にも、依存構造がエンティティを文間で追跡するために使用される。代名詞の文法的な役割は、それが何を指すかの強力な手がかりとなる。

現代のNLPにおいては、大規模言語モデル（LLM）の台頭により、最先端の研究分野では明示的な依存関係解析の実施が減少した側面も確かに存在する。しかし、解釈可能性、速度、精度が重要となる実運用システムにおいては、依存関係解析は依然として実用的で広く利用されるツールである。例えば、spaCyのような一般的なNLPライブラリでは、処理するすべてのドキュメントに対してデフォルトで依存関係解析が実行される。その出力を直接利用しない場合でも、解析結果が存在することで、それを利用する他のコンポーネントが間接的に下流のタスクの精度を向上させているのである。LLMは言語全体を包括的に理解する点で目覚ましい能力を発揮するが、その解釈の根拠は不透明である場合が多い。なぜ特定の文をそのように解釈したのかを詳しく調べることは難しい。これに対し、依存関係解析は、文の構造を明示的かつ解釈可能な形で表現するため、その結果をクエリし、検証し、デバッグすることが可能となる。医療、法務、金融といった分野でNLPパイプラインを構築するチームにとって、意思決定が説明可能であり、監査可能である必要があるため、依存関係解析は過去の遺物ではなく、現実的なエンジニアリングの選択肢となっている。それは、生の結果性能よりも透明性と制御が重視される世界において、多少の精度と引き換えに大きな価値を提供する。LLMを搭載したシステムにおいても、依存関係解析は多くの場合、前処理層で稼働し、入力のクリーンアップ、構造化された信号の抽出、あるいは高価なモデルが処理する前に無関係な文を除外するなどの役割を果たす。最も強力なツールというよりも、高速で信頼性が高く、解釈可能であるという特性によって、その存在価値を確立しているのである。

PythonのspaCyライブラリを使用すると、依存関係解析は非常に簡単に行える。テキストを処理する際に自動的に実行される機能の一つである。

Copy
1import spacy
2
3nlp = spacy.load("en_core_web_sm")
4doc = nlp("The dog bit the man.")
5
6for token in doc:
7    print(f"{token.text} --[{token.dep_}]--> {token.head.text}")

このコードを実行すると、各単語（トークン）の依存関係ラベルと、それが指すヘッドの単語が出力される。出力は以下のようになる。

The --[det]--> dog
dog --[nsubj]--> bit
bit --[ROOT]--> bit
the --[det]--> man
man --[dobj]--> bit
. --[punct]--> bit

この出力から、「bit」の主語は「dog」であること、目的語は「man」であることがすぐにわかる。文の根である「bit」は自身をヘッドとする。さらに、spaCyにはdisplaCyという組み込みのレンダラーがあり、これにより依存ツリーをきれいに視覚化されたアーク図としてブラウザで表示することも可能である。

依存関係解析は、文の文法構造を明らかにする強力なツールであり、現代のNLPにおけるその重要性は依然として高い。文の構造は単なる装飾ではなく、意味をまとめ上げる足場となるからだ。依存関係解析によって、各単語の種類（品詞タグ）と、各単語が他の単語とどのように結びついているか（依存関係）が明確になる。この文法構造の理解の次のステップは、意味への移行である。それは、複数の意味を持つ単語が文脈においてどの意味を持つかを特定する「単語意味曖昧性解消（Word Sense Disambiguation）」であり、NLPが文法から真の言語理解へと踏み出す領域である。実運用におけるAIシステムを構築する上で、依存関係解析のような基礎的な概念と技術は、過度な期待ではなく、現実的な価値を持つものとして理解しておく必要がある。