本年度では、１）その推論システムの性能を更に改善することを目標に、昨年度から行っている組み合わせ範疇文法（CCG）構文解析の分野適応の研究を継続・発展させ、２）昨年度を含めたこれまでの成果を博士論文としてまとめることに取り組んだ。
１）本年度序盤ではまず、昨年度から取り組んでいたCCGに基づく構文解析に対する分野適応についての研究に継続して取り組んだ。この研究での問題意識としては、CCG統語構造から変換して得られる意味表現を用いた推論システムの応用範囲を、医療テキストや対話などの広範な分野や自然言語処理課題に拡大することである。この実現のためには、CCG解析器が、これらの分野テキストに対しても頑健に解析できる必要があるが、構文解析技術一般に、解析器の学習に用いたテキストデータとは異なった分野のテキストを解析する場合に、精度が大きく低下することが知られている。そこで、この問題を解決するため、CCGコーパスより比較的安価に入手できる係り受けコーパスを活用した分野適応に関する研究を行った。本研究では、医療科学論文、疑問文、音声会話テキスト、数学問題の４つの分野に対してデータの構築と解析精度の改善の評価実験を行い、いずれにおいても提案法を用いることによって性能を大きく改善できることを示している。
２）本年度は博士課程の最終年度であったため、これまでのCCG構文解析と論理推論に関する研究内容を博士論文としてまとめた。
１）に関する研究内容を英語論文としてまとめ、自然言語処理に関する最難関の国際会議であるACL2019に投稿し、受理された。2019年7月にイタリアで行われた会議では口頭でプレゼンテーションを行い、成果内容を報告した。２）に関して、これまでの成果を評価され、所属大学において最優秀学生賞を受賞した。