[論文レビュー] A generic tool to generate a lexicon for NLP from Lexicon-Grammar tables

Laurence Mathieu, Elsa Tolone|arXiv (Cornell University)|May 31, 2010

Natural Language Processing Techniques参考文献 13被引用数 9

ひとこと要約

本稿では、暗黙の文法的情報を含むレキソン・グラマー表を、NLP向けに利用可能な明示的な文法的語彙に変換する汎用ツールLGExtractを提示する。定義されていない項目を含むグローバル表を用いて一貫した抽出スクリプトを適用することで、このツールは包括的なフランス語動詞および説語名詞語彙の自動生成を実現し、NLPアプリケーションへの直接的利用を可能にする。

ABSTRACT

Lexicon-Grammar tables constitute a large-coverage syntactic lexicon but they cannot be directly used in Natural Language Processing (NLP) applications because they sometimes rely on implicit information. In this paper, we introduce LGExtract, a generic tool for generating a syntactic lexicon for NLP from the Lexicon-Grammar tables. It is based on a global table that contains undefined information and on a unique extraction script including all operations to be performed for all tables. We also present an experiment that has been conducted to generate a new lexicon of French verbs and predicative nouns.

研究の動機と目的

• レキソン・グラマー表に内在する暗黙の文法的情報を解消することで、NLPでの利用可能性を高めること。
• 個々の表ごとにハードコードされた抽出論理を避ける、汎用的かつ再利用可能なソリューションの開発。
• 構造化された言語的表から大規模かつ一貫性のある語彙の生成を可能にすること。
• フランス語動詞および説語名詞への具体的な応用を通じて、ツールの有効性を示すこと。
• 生の言語的表から運用可能なNLP語彙に変換する標準化されたパイプラインの提供。

提案手法

• 複数のレキソン・グラマー表に由来する未定義または暗黙の情報を統合したグローバル表の設計。
• すべての表項目に変換ルールを適用する、単一で再利用可能な抽出スクリプトの作成。
• 文法的特徴、屈折パラダイム、意味的制約を解消するモジュラー処理パイプラインの定義。
• 既存の表項目から欠落している文法的および屈折的性質を、ルールベースの推論により同定。
• 生成された語彙の一貫性と正確性を保証するための正規化および検証ステップの適用。
• 即座に下流のNLPアプリケーションで利用可能な標準NLPフォーマットへの統合。

実験結果

リサーチクエスチョン

• RQ1 レキソン・グラマー表に内在する暗黙の文法的情報は、どのようにしてNLP利用に向け系統的に解消できるか？
• RQ2 個々の表にカスタマイズを加えずに、多様なレキソン・グラマー表に同一の汎用抽出スクリプトを適用可能か？
• RQ3 生の言語的表から大範囲の文法的語彙を生成する方法の実現可能性とスケーラビリティはいかほどか？
• RQ4 フランス語のような豊富な屈折を持つ言語において、このツールが一貫性があり正確な語彙を生成する効果はどの程度か？
• RQ5 このアプローチは、NLPシステムの語彙構築における人的作業をどの程度削減できるか？

主な発見

• LGExtractは、フランス語向けに利用可能な明示的な文法的語彙に、レキソン・グラマー表を効果的に変換した。
• このツールは、一貫性のある文法的および屈折的アノテーションを備えた、フランス語動詞および説語名詞の包括的語彙を生成した。
• 統一された抽出スクリプトにより、表ごとの再設定を必要とせず、語彙生成プロセスの完全自動化が実現された。
• 生成された語彙は、NLPタスクへの直接的適用が可能であり、ツールの実用的有用性が実証された。
• このアプローチは、異なる語彙的カテゴリーおよび言語的構造へもスケーラブルかつ再利用可能であることが示された。
• 実験により、レキソン・グラマー表に内在する暗黙の情報は、ルールベースの推論によって信頼性高く抽出可能であることが確認された。