[論文レビュー] A Data-Oriented Approach to Semantic Interpretation

Rens Bod, Remko Bonnema+1 more|ArXiv.org|Jun 18, 1996

Natural Language Processing Techniques参考文献 6被引用数 9

ひとこと要約

本稿では、意味的にアノテートされたコーパスを用いたデータ指向のアプローチを提案し、データ指向構文解析（DOP）を拡張して、コーパス内の部分解析を組み合わせることで最も確率の高い意味解析を生成する。この手法は、意味アノテーションを追加した変更版ATISコーパス上で成功裏にテストされ、コーパスベースの確率的構成によって意味解釈の実現可能性と有効性が示された。

ABSTRACT

In Data-Oriented Parsing (DOP), an annotated language corpus is used as a stochastic grammar. The most probable analysis of a new input sentence is constructed by combining sub-analyses from the corpus in the most probable way. This approach has been succesfully used for syntactic analysis, using corpora with syntactic annotations such as the Penn Treebank. If a corpus with semantically annotated sentences is used, the same approach can also generate the most probable semantic interpretation of an input sentence. The present paper explains this semantic interpretation method, and summarizes the results of a preliminary experiment. Semantic annotations were added to the syntactic annotations of most of the sentences of the ATIS corpus. A data-oriented semantic interpretation algorithm was succesfully tested on this semantically enriched corpus.

研究の動機と目的

• 意味アノテーション付きコーパスを用いて、構文的解析から意味的解析へとデータ指向構文解析（DOP）フレームワークを拡張すること。
• 意味アノテーション付きコーパスが、新しい文の最も確率の高い意味的解釈を生成するための確率的文法として機能できるかどうかを調査すること。
• 意味的拡張言語コーパス上で、データ指向の意味解釈アルゴリズムの実現可能性とパフォーマンスを評価すること。

提案手法

• 構文的および意味的構造の両方のアノテーションが施されたコーパスを、意味解釈のための確率的文法として利用する。
• 新しい入力文の最も確率の高い意味的解析を、コーパスから抽出した部分解析（例：語句や節）を組み合わせることで構築する。
• DOPから得られる確率的原則を応用し、意味アノテーション付きコーパス内での頻度と共起頻度に基づいて、最も可能性の高い部分解析の組み合わせを選択する。
• 意味アノテーションをPenn Treebank形式の構文的アノテーションに統合し、ATISコーパスの意味的に拡張されたバージョンを作成する。
• 部分解析およびその組み合わせの頻度を用いて、完全な意味的解釈の確率を推定する。
• 入力文に対して、入力と一致し、有効な意味的解釈をもたらす最も確率の高い解析木を探索することで、アルゴリズムを新しい入力文に適用する。

実験結果

リサーチクエスチョン

• RQ1 意味アノテーション付きコーパスを用いたデータ指向のアプローチが、文の最も確率の高い意味的解釈を効果的に生成できるか。
• RQ2 意味アノテーション付きコーパスに適用した場合、DOPフレームワークが構文的解析から意味的解析へと一般化できる程度はどの程度か。
• RQ3 実世界のドメイン特化コーパス（例：ATIS）上で、データ指向の意味解釈アルゴリズムのパフォーマンスはどの程度か。
• RQ4 コーパスからの部分解析をどの程度組み合わせることで、正確で整合性のある意味的解釈を生成できるか。
• RQ5 意味的部分解析の頻度と分布が、生成された解釈の質にどのように影響するか。

主な発見

• データ指向の意味解釈アルゴリズムは、意味的にアノテートされたATISコーパスを用いて、新しい文に対して妥当な意味的解釈を効果的に生成した。
• この手法は、構文的DOPと同様の原則に従い、コーパスからの部分解析を組み合わせることで意味的解釈を効果的に導出できることを示した。
• ATISコーパスへの意味アノテーションの統合により、アルゴリズムは解釈可能で文脈的に適切な意味的解析を生成することができた。
• 予備的な結果から、このアプローチは実現可能であり、スケーラブルでコーパスベースの意味解釈に有望であることが示された。
• 大規模なアノテート済みコーパスに基づく確率的文法が、明示的な形式的意味論的規則を必要とせず、強固でデータ駆動型の意味解釈を支援できることを本研究は確認した。