[論文レビュー] A Knowledge-poor Pronoun Resolution System for Turkish

Dilek Küçük, Meltem Turhan Yöndem|arXiv (Cornell University)|Apr 18, 2015

Natural Language Processing Techniques被引用数 6

ひとこと要約

本稿では、経験的に導かれた制約と学習された好ましさスコアを用いて、三人称代名詞および反映代名詞を解決する、最初の完全に仕様化された知識貧困型のトルコ語代名詞解決システムを提示する。テストコーパス上で85.3%のリCALLと88%のプレシジョンを達成し、最も最近の候補を好むベースラインアルゴリズムを著しく上回った。

ABSTRACT

A pronoun resolution system which requires limited syntactic knowledge to identify the antecedents of personal and reflexive pronouns in Turkish is presented. As in its counterparts for languages like English, Spanish and French, the core of the system is the constraints and preferences determined empirically. In the evaluation phase, it performed considerably better than the baseline algorithm used for comparison. The system is significant for its being the first fully specified knowledge-poor computational framework for pronoun resolution in Turkish where Turkish possesses different structural properties from the languages for which knowledge-poor systems had been developed.

研究の動機と目的

• トルコ語における実用的で知識貧困型の計算フレームワークを構築すること。トルコ語は構文的に非配置型で、プロドロップ言語であり、自然言語処理ツールが限られている。
• トルコ語における代名詞のアナフォラに関する先行研究があるものの、知識貧困型のシステムが不足している現状を補うこと。
• 構文的・意味的知識を最小限に抑えたシステムを構築し、リソースが限られた環境でも実現可能なものとすること。
• 最も最近の先行詞を好むベースラインアルゴリズムと比較して、システムの性能を評価すること。

提案手法

• 経験的分析により、81%の代名詞がこの範囲内に先行詞を持つことが示されたため、代名詞の文とその直前3文までの範囲を検索スコープとして使用する。
• 言語固有の制約（個人代名詞、最近性、名詞句の主格・主格格、最初の名詞句、名詞的述語、繰り返し、標点、ゼロ代名詞の先行詞に対する好ましさ）を適用して候補となる先行詞を絞り込む。
• 混合コーパス（母語話者のアンケートとアノテート済みテキスト）を用いて、デルタ則に基づくパーセプトロンによる学習で好ましさスコアを最適化する。
• ゼロ代名詞を検出する信頼性のあるパーサーが存在しないため、システムは明示的およびゼロ代名詞の両方を手動でアノテートする。
• 制約により不適切な候補が除外され、残りの選択肢から順位付けされた好ましさスコアにより最も可能性の高い先行詞が選ばれる。
• 評価には、メトゥ・トルコ語コーパスの抜粋とトルコ語の子供の物語の2つの異なるテキストサンプルを用いたリCALLとプレシジョンの指標を用いる。

実験結果

リサーチクエスチョン

• RQ1 プロドロップ性と非配置構造を持つトルコ語において、知識貧困型アプローチが代名詞解決に効果的に適用可能かどうか。
• RQ2 トルコ語の個人代名詞および反映代名詞を解決するために、経験的に有効な制約と好ましさは何か。
• RQ3 言語的直感と統計的学習に基づく知識貧困型システムと、最も最近の先行詞を好む単純なベースラインとを比較した場合、性能にどのような差が出るか。
• RQ4 ゼロ代名詞と名前でない候補が、システムの性能にどの程度影響を及えるか。

主な発見

• メトゥ・トルコ語コーパスのサンプルでは、知識貧困型システムが85.3%のリCALLと88%のプレシジョンを達成した。これは、ベースラインアルゴリズムの68.4%のリCALLと70.6%のプレシジョンを著しく上回った。
• トルコ語の子供の物語のサンプルでは、システムが73.7%のリCALLと91%のプレシジョンを達成した。ベースラインは65.8%のリCALLと81.3%のプレシジョンであった。
• 主な失敗要因は、検索スコープ内に正しい先行詞が存在しなかったことであり、2番目の実験で54件の失敗のうち39件がこれに起因した。
• 個人代名詞や最近性といった制約が15件のケースで不十分であった。これは、複雑または曖昧なケースの処理に限界があることを示している。
• パーセプトロンによる学習で好ましさスコアが成功裏に最適化された。特に最近性（+2.15）と主格（+1.85）が最も高いスコアを獲得した。
• 本システムは、トルコ語のプロドロップ性と成熟したNLPツールの欠如にもかかわらず、知識貧困型フレームワークが実現可能であることを示している。