[論文レビュー] A Study of the Effect of Resolving Negation and Sentiment Analysis in Recognizing Text Entailment for Arabic

Fatima T. AL-Khawaldeh|arXiv (Cornell University)|Jul 5, 2019

Sentiment Analysis and Opinion Mining被引用数 25

ひとこと要約

本稿では、テキスト仮説ペアに対して否定の解消とセンチメント分析を実施することで、アラビア語のテキスト帰納の精度を向上させる手法を提案する。否定の検出と極性（肯定、否定、ニュートラル）の分類により、帰納検出の精度が向上し、ベースライン手法にこれらの特徴を含めない場合に比べ、ArbTEDSデータセット上で高い精度を達成している。

ABSTRACT

Recognizing the entailment relation showed that its influence to extract the semantic inferences in wide-ranging natural language processing domains (text summarization, question answering, etc.) and enhanced the results of their output. For Arabic language, few attempts concerns with Arabic entailment problem. This paper aims to increase the entailment accuracy for Arabic texts by resolving negation of the text-hypothesis pair and determining the polarity of the text-hypothesis pair whether it is Positive, Negative or Neutral. It is noticed that the absence of negation detection feature gives inaccurate results when detecting the entailment relation since the negation revers the truth. The negation words are considered stop words and removed from the text-hypothesis pair which may lead wrong entailment decision. Another case not solved previously, it is impossible that the positive text entails negative text and vice versa. In this paper, in order to classify the text-hypothesis pair polarity, a sentiment analysis tool is used. We show that analyzing the polarity of the text-hypothesis pair increases the entailment accuracy. to evaluate our approach we used a dataset for Arabic textual entailment (ArbTEDS) consisted of 618 text-hypothesis pairs and showed that the Arabic entailment accuracy is increased by resolving negation for entailment relation and analyzing the polarity of the text-hypothesis pair.

研究の動機と目的

• 否定とセンチメント極性の影響を扱うことで、アラビア語のテキスト帰納の精度を向上させること。
• ストップワードとして扱われる傾向にある否定語が除去された場合に、帰納意思決定がどのように歪められるかを特定すること。
• アラビア語における極性分類（肯定、否定、ニュートラル）が帰納認識をどのように向上させるかを調査すること。
• 否定の解消とセンチメント分析の組み合わせ効果が帰納パフォーマンスに与える影響を評価すること。
• 意味的特徴（否定やセンチメントなど）を導入することで、アラビア語NLPタスクにおける推論品質が向上することを示すこと。

提案手法

• ルールベースまたはリソニクスベースのアプローチを用いて、アラビア語のテキスト仮説ペアを事前処理し、否定の検出と解消を行う。
• センチメント分析ツールを用いて、各テキスト仮説ペアの極性を肯定、否定、ニュートラルのいずれかに分類する。
• 解消された否定とセンチメント極性が、帰納分類パイプラインに統合される。
• 評価には、618件のアラビア語テキスト仮説ペアからなるArbTEDSデータセットが使用される。
• 否定とセンチメント特徴による意味的整合性の向上に基づいて、帰納意思決定がなされる。
• テストセットにおける標準的な帰納精度メトリクスを用いてパフォーマンスが評価される。

実験結果

リサーチクエスチョン

• RQ1 アラビア語のテキスト仮説ペアにおける否定の解消は、帰納認識精度にどのように影響するか？
• RQ2 センチメント極性分類は、アラビア語における帰納関係の検出にどの程度向上効果をもたらすか？
• RQ3 否定語が検出されず、ストップワードとして除去された場合、帰納精度にはどのような影響が生じるか？
• RQ4 否定の解消とセンチメント分析を組み合わせることで、全体的な帰納パフォーマンスが向上するか？
• RQ5 表面的な語彙的マッチングを超える意味的特徴を組み込むことで、アラビア語のテキスト帰納を改善することは可能か？

主な発見

• 否定の解消は、検出されない否定によって引き起こされる誤った帰納意思決定を防ぐことで、アラビア語のテキスト帰納精度を顕著に向上させる。
• センチメント極性分析の統合により、帰納精度がさらに向上し、たとえば肯定から否定への矛盾した帰納を防ぐことができる。
• 否定の検出が欠落すると、特に否定語がストップワードとして誤って除去される場合に、誤った帰納結果が生じる。
• 提案手法は、否定やセンチメントを処理しないベースラインモデルに比べ、ArbTEDSデータセットでより高い精度を達成している。
• 否定の解消とセンチメント分析の組み合わせは、帰納パフォーマンスに顕著な改善効果をもたらし、アラビア語NLPにおける意味的特徴の重要性を示している。
• 本研究は、否定やセンチメント極性といった意味的特徴が、アラビア語における信頼性の高いテキスト帰納に不可欠であることを確認している。