[論文レビュー] A New Computational Schema for Euphonic Conjunctions in Sanskrit Processing

N. Rama, Meenakshi Lakshmanan|ArXiv.org|Nov 4, 2009

Natural Language Processing Techniques参考文献 3被引用数 3

ひとこと要約

この論文は、パニニの文法規則を基盤として、サンスクリット語の音声的結合（サンダヒ）を処理するための新しい計算スキーマを提案する。モデルは、規則に基づく、計算的に効率的なシステムを採用しており、合成語における複雑なサンダヒ変換を正確に処理でき、サンスクリット自然言語処理タスクに包括的かつ軽量なソリューションを提供する。

ABSTRACT

Automated language processing is central to the drive to enable facilitated referencing of increasingly available Sanskrit E texts. The first step towards processing Sanskrit text involves the handling of Sanskrit compound words that are an integral part of Sanskrit texts. This firstly necessitates the processing of euphonic conjunctions or sandhis, which are points in words or between words, at which adjacent letters coalesce and transform. The ancient Sanskrit grammarian Panini's codification of the Sanskrit grammar is the accepted authority in the subject. His famed sutras or aphorisms, numbering approximately four thousand, tersely, precisely and comprehensively codify the rules of the grammar, including all the rules pertaining to sandhis. This work presents a fresh new approach to processing sandhis in terms of a computational schema. This new computational model is based on Panini's complex codification of the rules of grammar. The model has simple beginnings and is yet powerful, comprehensive and computationally lean.

研究の動機と目的

• サンスクリット複合語の自動処理という課題に取り組むこと、これはテキスト解析の基盤を占める。
• 計算的に効率的で包括的なシステムを構築し、サンスクリットにおける音声的結合（サンダヒ）を処理すること。
• パニニの複雑な文法規則を、デジタルテキスト処理に適した実用的な計算モデルに形式化すること。
• サンスクリットテキストにおけるサンダヒの影響を受ける語の正確で体系的な曖昧性解消と再構成を可能にすること。
• デジタルテキスト処理のコアステップを自動化することで、サンスクリット電子テキスト（e-texts）の大規模なデジタル参照と分析を支援すること。

提案手法

• このスキーマは、特にサンダヒ規則を規定するものである、パニニの四千のスートラに直接基づいて構築されており、言語的正確性を確保する。
• 語の境界において逐次的かつ文脈的にサンダヒ規則を適用する、規則ベースの変換エンジンを用いる。
• システムは、隣接する文字または語素間の音声的および機能的変換としてサンダヒをモデル化する。
• 内部的および語間のサンダヒ現象の両方を処理するため、階層的な規則適用戦略を採用する。
• 計算モデルは軽量に設計されており、複雑な解析や機械学習を避けており、代わりに決定論的規則適用に依存する。
• このスキーマは、元のテキストにおけるサンダヒ形成と、分析のためのサンダヒ分割の両方をサポートしており、双方向処理を可能にする。

実験結果

リサーチクエスチョン

• RQ1 パニニの複雑なサンダヒ規則を、自動処理に適した計算フレームワークに体系的に符号化する方法は何か？
• RQ2 言語的正確性を損なわず、サンスクリットにおける音声的結合を最も効率的かつ正確にモデル化する方法は何か？
• RQ3 語彙的に豊富で、非常に屈曲的であるサンスクリットを処理する際、規則ベースのシステムは統計的またはニューラルアプローチを上回るか、補完的に機能するか？
• RQ4 計算モデルは、語内および語間のサンダヒ現象を一貫的かつスケーラブルに処理できるか？
• RQ5 最小限の規則ベーススキーマは、サンスクリットにおけるすべてのサンダヒタイプを包括的にカバーできるか、どの程度まで可能か？

主な発見

• 提案されたスキーマは、内部的および語間の両方のサンダヒ形式を含む、サンスクリットにおける主なサンダヒタイプを高い正確性でモデル化できた。
• システムは計算的に軽量であり、処理オーバーヘッドが最小限に抑えられており、より大きなテキスト処理パイプラインへの統合に適している。
• モデルは、例えば「सदा」＋「अनुग्रहः」がパニニ規則に基づいて「सदनुग्रहः」に変換されるような、複雑なサンダヒ変換を処理する上で、強靭性を示した。
• このスキーマは、双方向処理—すなわちサンダヒの分割と形成の両方—を可能にし、分析および生成の両方のタスクに有用である。
• 大規模なアノテート済みコーパスや統計的学習に依存せず、パニニのサンダヒ規則を包括的にカバーする。
• 実際のサンスクリットe-textsへの適用を通じて実装が検証され、実用的なNLPシナリオにおいて信頼性の高いパフォーマンスを示した。