自動的タクソノミー構築は、人工知能の下位分野であり、非構造化または半構造化データから階層的な分類システム、すなわちタクソノミーを自動的に作成することに関わる。その目標は、一連の概念やエンティティをツリー状の構造に整理し、親子関係が広範なカテゴリから狭義のカテゴリへの関係を表すようにすることである。このプロセスは、従来知識組織システムの構築と維持に必要とされた手作業の労力を削減し、電子商取引、生物学、企業文書管理など、情報が急速に進化する領域で特に価値がある。
この分野は、知識表現と情報検索における初期の研究から生まれたが、機械学習と深層学習技術の登場により大きな勢いを得た。現代のアプローチは、しばしば大規模言語モデルとニューラルネットワークを活用して、概念を抽出し、意味的関係を特定し、既存の階層に新しい項目を配置する。自動的タクソノミー構築はオントロジー学習と密接に関連するが、より広範な意味的公理ではなく、特に階層的な「is-a」関係に焦点を当てる。
主要なタスクと方法
自動的タクソノミー構築は、通常、用語抽出、上位語検出、階層誘導という複数のサブタスクを含む。用語抽出は、テキストから候補概念を特定し、しばしばTF-IDFなどの統計的尺度や、より最近のニューラル系列ラベリングを使用する。上位語検出は、ある用語が別の用語のより広範なカテゴリであるかどうかを判断し（例：「犬」は「プードル」の上位語である）、これは階層の基本的な構成要素である。
階層誘導は、これらのペア関係を一貫したツリーまたは有向非巡回グラフに組み立てる。初期の方法は、「X such as Y」や「X is a kind of Y」のような辞書構文パターンなどのパターンベースの規則に依存していた。その後、分布意味論と単語埋め込みにより、モデルがベクトル空間の幾何学から上位語関係を推論できるようになった。より最近の研究では、トランスフォーマーベースのアーキテクチャ、特にエンコーダー・デコーダーモデルを使用して、タクソノミーをエンドツーエンドで生成または洗練する。
機械学習と深層学習の役割
機械学習は、2000年代以降、自動的タクソノミー構築の中心となっている。教師ありアプローチは、ラベル付きの上位語ペアで分類器を訓練し、教師なし手法は分布類似性に基づいて用語をクラスタリングする。残差ネットワークとバッチ正規化の導入により、より深いモデルの訓練が改善され、より微妙な意味表現が可能になった。ドロップアウトと層正規化は、過学習を防ぎ訓練を安定させるための標準的な技術となった。
大規模言語モデルの台頭、例えばOpenAI、Anthropic、Google DeepMindによって開発されたものにより、この分野はプロンプトベースおよび微調整アプローチへと移行した。これらのモデルは、ゼロショットまたは少数ショットのタクソノミー構築を実行でき、わずかな例から階層関係を推論する。RLHF（人間のフィードバックからの強化学習）やカリキュラム学習などの技術は、生成されたタクソノミーの品質を向上させるために適応されてきた。
評価と課題
自動的に構築されたタクソノミーの評価は簡単ではない。一般的な指標には、ゴールドスタンダードのタクソノミーに対する精度と再現率、およびツリー編集距離や親子ペアのF1スコアなどの構造的尺度が含まれる。しかし、ゴールドスタンダードはしばしばドメイン固有であり、有効な階層の多様性を反映しない場合がある。研究者はまた、注釈者が関係の妥当性を判断する人間による評価も使用する。
主要な課題は、曖昧な用語と多義性の処理である。例えば、「銀行」は金融機関または川岸を指すことができ、正しい上位語は文脈に依存する。もう一つの課題はスケーラビリティである。大規模な電子商取引プラットフォームのタクソノミーは数百万のノードを含むことがあり、効率的なアルゴリズムと分散コンピューティングが必要となる。モデルプルーニングやデータ拡張などの技術は、計算コストを管理し堅牢性を向上させるのに役立つ。
応用と将来の方向性
自動的タクソノミー構築は、Amazon Web Servicesの製品分類、Google Cloudのナレッジグラフ、Microsoft Azureのエンタープライズ検索に実用的な応用がある。また、Waymoの自動運転車のシーン理解やTesla Autopilotの物体分類も支援する。生物医学分野では、遺伝子オントロジーや疾患分類の整理に役立つ。
将来の研究では、テキスト内の長距離依存関係を捉えるためのマルチヘッドアテンションメカニズムの使用や、言語間でタクソノミーを整列させるためのクロスアテンションが探求されている。また、新しい概念が出現するにつれて時間とともに進化できる動的タクソノミーへの関心も高まっている。2025年現在、生成AIと人間参加型の検証の統合は、自動化と正確性のバランスを取る有望な方向性と見なされている。