[論文レビュー] A Spanish Tagset for the CRATER Project

Fernando Sánchez León|arXiv (Cornell University)|Jun 14, 1994

Speech and dialogue systems被引用数 6

ひとこと要約

この論文は、CECが資金を提供する多言語対応コーパス共同構築プロジェクト「CRATER」のために開発された、言語学的根拠に基づいたスペイン語用の包括的品詞タグセットを提示する。タグセットはスペイン語固有に設計され、コミュニティからのフィードバックを経て洗練され、適応されたXerox PARCタガーツールと連携させることで、スペイン語コーパス部の正確な自動タギングを可能にするものである。

ABSTRACT

This working paper describes the Spanish tagset to be used in the context of CRATER, a CEC funded project aiming at the creation of a multilingual (English, French, Spanish) aligned corpus using the International Telecommunications Union corpus. In this respect, each version of the corpus will be (or is currently) tagged. Xerox PARC tagger will be adapted to Spanish in order to perform the tagging of the Spanish version. This tagset has been devised as the ideal one for Spanish, and has been posted to several lists in order to get feedback to it.

研究の動機と目的

• CRATERプロジェクトの文脈において、スペイン語に特化した品詞タグセットを設計すること。
• 国際電気通信連合（ITU）コーパスを基盤として、多言語対応で対応するコーパスの構築を支援すること。
• 適切なタグセットを定義することで、Xerox PARCタガーツールをスペイン語処理に適応させること。
• コミュニティの協議とフィードバックを通じて、タグセットの強固さと受容性を確保すること。
• スペイン語テキストにおける一貫性と正確性を確保するための標準化されたタギングフレームワークを確立すること。

提案手法

• タグセットはスペイン語の文法および構文構造の言語学的分析に基づいて開発された。
• スペイン語の主な語類および構文的カテゴリーを網羅する包括的なものであるように設計された。
• NLPおよび計算言語学のコミュニティからのフィードバックを得るために、学術用メーリングリストにタグセットを公開した。
• 専門家からの反応および提案に基づき、タグセットを段階的に洗練させた。
• Xerox PARCタガーツールを、提案されたタグセットを認識・割り当てるように変更した。
• タギングプロセスは、英語版およびフランス語版と対応するCRATERコーパスのスペイン語版に適用することを意図していた。

実験結果

リサーチクエスチョン

• RQ1 計算コーパスにおいてスペイン語の文法を正確に表現するための最適な品詞タグの集合とは何か？
• RQ2 多言語対応で対応するコーパスにおいて一貫性を確保するための標準化されたタグセットをどのように設計できるか？
• RQ3 NLP応用における言語学的タグセットの洗練において、コミュニティのフィードバックが果たす役割とは何か？
• RQ4 元々英語を対象として開発されたXerox PARCタガーツールを、スペイン語処理に効果的に適応するにはどうすればよいか？
• RQ5 言語学的正確性と計算上の実行可能性の両立を図るタグセット設計を指す基準とは何か？

主な発見

• 最終的なタグセットは、計算言語学コミュニティからのフィードバックをもとに段階的な洗練プロセスを経て開発された。
• タグセットはスペイン語の形態句構造的性質に特化して設計されており、言語学的正確性が確保された。
• 新しいタグセットを用いて、Xerox PARCタガーツールがスペイン語処理に成功裏に適応された。
• タグセットは、CRATERプロジェクトの枠組み内で高品質な対応多言語コーパスを構築するのを支援するように設計された。
• 本プロジェクトは、将来のNLP応用において再利用可能な、スペイン語における一貫した品詞タギングの基盤を確立した。
• コミュニティの協議が、NLP用に強固な言語資源を設計する上で極めて重要であることが、このプロセスで示された。