神経回路モデルによる構文解析

神経回路モデルによる構文解析を考えてみる。ここでは、単語（音素列の分節）およびそのカテゴリーである品詞の獲得の問題は考えず、また、単語と品詞の認識（形態素解析）は別途行われるものとする。
リカレントネットワークなどの時系列を扱える神経回路モデルであれば、バイグラム（＝パターンの連接）を学習することができ、したがって単語のバイグラムを学習することができる。バイグラムもパターンだから、神経回路モデルはバイグラムのバイグラムも学習することができる。バイグラムのバイグラムは不特定の高さの階層をなし、一種の句構造を表現できる。バイグラムには出現頻度が高いものや低いものがある。ひとまとまりの単語列（発話）が与えられた時、そうした頻度の異なるバイグラムを使った多数のバイグラム階層ができるが、最も尤もらしいバイグラム階層がその発話の構文（句構造）を与えていると考えることができる。この解析はチャートパージングに似ているようにみえるが、これでうまくいくかどうかは検証が必要である。（バイグラムベースで構文解析ができるかどうかを検証するためには、神経回路モデルをひっぱりだしてくる必要はなく、既存のチャートパージングアルゴリズムを適用してみればよい。）