[論文レビュー] A Freely Available Syntactic Lexicon for English

Dania Egedi, Patrick Martin|ArXiv.org|Oct 21, 1994

Natural Language Processing Techniques参考文献 7被引用数 6

ひとこと要約

本論文は、オックスフォード・アドバンスド・レーナーズ・ディクショナリーおよびオックスフォード・ディクショナリー・オブ・カレント・イディオマティック・イングリッシュから手作業で抽出・拡張した、37,000語以上の英語語彙を含む freely な構文的語彙を提示する。CおよびLispインタフェース、X-windowsエディターツールを備え、パーサーや言語処理応用への統合を想定して設計されており、計算言語学分野における再利用可能で拡張可能な構文的リソースの発展に顕著な貢献を果たしている。

ABSTRACT

This paper presents a syntactic lexicon for English that was originally derived from the Oxford Advanced Learner's Dictionary and the Oxford Dictionary of Current Idiomatic English, and then modified and augmented by hand. There are more than 37,000 syntactic entries from all 8 parts of speech. An X-windows based tool is available for maintaining the lexicon and performing searches. C and Lisp hooks are also available so that the lexicon can be easily utilized by parsers and other programs.

研究の動機と目的

• 多様な言語的応用を支援する、包括的かつ手作業で整備された英語構文的語彙の構築を目的とする。
• 計算言語学分野の研究者・開発者にとって、構文的データの広範なアクセス可能性と再利用可能性を確保することを目的とする。
• 語彙の保守・照会を可能にする拡張性のあるソフトウェアツール（X-windowsエディターやプログラムインターフェース）を提供することを目的とする。
• 既存の辞書データに構文的およびイディオム的情報を追加し、自然言語処理システムの支援を目的とする。
• NLPコミュニティに再利用可能で標準化されたリソースを寄与し、国際的な言語リソース開発への取り組みと整合させる。

提案手法

• 語彙は、オックスフォード・アドバンスド・レーナーズ・ディクショナリーおよびオックスフォード・ディクショナリー・オブ・カレント・イディオマティック・イングリッシュから、手作業で構文的およびイディオム的情報を抽出・拡張することで構築された。
• 各語彙項目には、全8つの品詞における構文的行動が含まれており、詳細な文法的およびコロケーション情報が付随している。
• 語彙項目の編集・保守およびインタラクティブな探索を容易にするために、X-windowsベースのグラフィカルツールが開発された。
• CおよびLispのアプリケーションプログラミングインターフェース（API）により、プログラムによるアクセスが可能となり、コンパイラ、パーサー、言語処理ツールへの統合が可能になった。
• 語彙は拡張性を考慮して設計されており、段階的更新およびモジュラー拡張をサポートしている。
• リソースは、国際的共有自然言語リソースワークショップの目的に沿って、共有可能な自然言語リソースとして公開・配布された。

実験結果

リサーチクエスチョン

• RQ1 既存の辞書リソースから、大規模かつ体系的な手作業による構文的語彙をどのように系統立てて構築できるか？
• RQ2 構文的語彙のインタラクティブな保守とプログラムによるアクセスを両立させるために、どのような技術的インfraストラクチャが必要か？
• RQ3 自由に利用可能で標準化された構文的語彙は、自然言語処理システムの性能向上および移植性向上に、どの程度寄与できるか？
• RQ4 構文的およびイディオム的情報を、NLP応用の幅広い分野で再利用可能に一貫して符号化・表現するにはどうすればよいか？
• RQ5 コミュニティ主導でオープンアクセスの言語リソースは、計算言語学の研究開発をどのように前進させる役割を果たせるか？

主な発見

• 最終的な構文的語彙は、全8品詞をカバーする37,000語以上の項目を含み、包括的かつ大規模な語彙リソースであることが確認された。
• CおよびLispインタフェースを通じて、語彙はNLPパイプラインに成功裏に統合され、パーサーや言語処理システムへの直接利用が可能となった。
• X-windowsベースのエディターツールは、手作業による語彙の保守・検証および動的照会のための効果的な環境を提供した。
• 1994年8月に日本・奈良で開催された国際的共有自然言語リソースワークショップで、本リソースが公式に発表・受諾され、学界による検証と認知を得た。
• 語彙が自由に利用可能でオープンなリソースとして設計されたことで、元のプロジェクトの範囲を超えて研究者・開発者による再利用・適合が容易になった。
• 既存の辞書データから手作業で強化された高品質な構文的語彙の作成が実現可能で価値があることが本プロジェクトによって示され、今後の語彙リソース開発の先例を示した。