[論文レビュー] A chain dictionary method for Word Sense Disambiguation and applications

Doina Tătar, Gabriela Şerban+4 more|ArXiv.org|Jun 16, 2008

Natural Language Processing Techniques参考文献 7被引用数 4

ひとこと要約

本稿では、WordNetの用例文の重複を活用して、文内のすべての語を同時に統合的に分析することで意味あいまいを解消するグローバルで順序に敏感な辞書ベースの意味解析手法CHAD（Chain Algorithm for Disambiguation）を提案する。この手法は、語の意味の組み合わせが語の意味の定義の重複度を最大化するように選ばれることで、翻訳とテキスト含意検証の両方で性能向上を達成する。

ABSTRACT

A large class of unsupervised algorithms for Word Sense Disambiguation (WSD) is that of dictionary-based methods. Various algorithms have as the root Lesk's algorithm, which exploits the sense definitions in the dictionary directly. Our approach uses the lexical base WordNet for a new algorithm originated in Lesk's, namely "chain algorithm for disambiguation of all words", CHAD. We show how translation from a language into another one and also text entailment verification could be accomplished by this disambiguation.

研究の動機と目的

• 単一のターゲット語に注目するのではなく、文全体の文脈を考慮するグローバルなアプローチを採用することで、教師なし意味解析（WSD）の課題に取り組むこと。
• 語の翻訳を逐次行う際の意味の適切な選択を可能にするために、WSDを統合することで機械翻訳の品質を向上させること。
• 意味解析の正確さを保ちつつ文脈的な意味関係を維持することで、テキスト含意検証の精度を向上させること。
• 構文解析に依存することを減らしながら、WordNetにおける語彙的関係を活用することで高い意味解析の正確性を維持すること。
• 文内のすべての語を同時に意味解析するチェーンベースのアプローチが、全体の整合性と意味の適切な選択を向上させることを示すこと。

提案手法

• CHADは、Leskのアルゴリズムを拡張し、単一のターゲット語に注目するのではなく、文に含まれるすべての語を同時に考慮するグローバルな意味解析戦略を採用する。
• 連続する語3つからなるトリプレットごとに、候補となる意味の定義（glosses）の共通部分に基づいてスコアを計算する。計算にはDice、Jaccard、または単純な重複率といった指標が用いられる。
• スコアは、定義の共通部分のサイズを正規化係数（Diceでは定義サイズの合計、重複率では最小サイズ、Jaccardでは和集合サイズ）で割った値として計算される。
• 各語の意味割り当ては、すべての意味の組み合わせの中でトリプレットスコアを最大化するように決定され、隣接語同士の整合性が保証される。
• 機械翻訳への応用では、各語の複数の訳語を候補となる意味とみなして、スコアが最大となる3語の訳語の組み合わせを選択する。
• テキスト含意検証では、仮説文における語の意味解析結果が、前提文におけるそれと整合するようにアルゴリズムを調整し、含意検出の精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 文内のすべての語を同時に意味解析するグローバルで順序に敏感なWSD手法は、従来のターゲット語中心のアプローチを上回る性能を発揮できるか？
• RQ2 構文解析を一切行わずに、語のトリプレット間の用例文の重複度を活用することで、意味解析の正確性はどの程度向上するか？
• RQ3 多言語の意味選択に適用した場合、CHADは教師なし機械翻訳の性能向上にどの程度寄与するか？
• RQ4 意味解析の正確さを保ちつつ、前提文と仮説文間の意味的整合性を確保することで、CHADはテキスト含意検証の精度向上に寄与できるか？
• RQ5 隣接語同士の文脈的関係を活用することで、多義語の曖昧さはチェーンベースのアプローチによって低減されるか？

主な発見

• CHADは、文内のすべての語を統合的に分析し、用例文の重複度スコアを用いて最適な意味の組み合わせを選択することで、Brownコーパス上での意味解析性能を向上させた。
• 構文解析を必要とせず、語の3つ組の関係性を分析することで、従来のLeskに基づくアプローチを上回る性能を達成した。
• 機械翻訳においては、周囲の語との意味的整合性を考慮して各語の意味を選択することで、より正確な逐次翻訳が可能になった。
• テキスト含意検証においては、仮説文の語の意味が前提文のそれと整合するようにすることで、意味的含意の検出精度が向上した。
• WordNetの用例文を用いたグローバルな意味解析が、構文解析を明示的に行わずに翻訳や含意検証といった下流NLPタスクの性能向上に顕著な寄与を示した。
• SemCorにアノテート済みのファイルを用いて精度を評価した結果、語の3つ組に対する共同最適化によって意味選択の正確性が明確に向上した。