[論文レビュー] Acquiring Knowledge from Encyclopedic Texts

Fernando Gómez, Richard Hull+1 more|ArXiv.org|Nov 4, 1994

Digital Humanities and Scholarship参考文献 13被引用数 5

ひとこと要約

本論文では、SNOWYと呼ばれる計算システムを提示する。このシステムは、編集されていない百科事典テキスト、具体的には『ワールドブック・エンサイクロペディア』から、意味的解釈、論理的推論、構造的概念表現を実行することで知識を習得する。システムは動物の食性、分類、生息地に関する知識を効果的に抽出・整理し、高精度で多様な事実に関する質問に答えられる。これは、手動でのアノテーションを必要としないまま、生のテキストから知識を習得する有効性を示している。

ABSTRACT

A computational model for the acquisition of knowledge from encyclopedic texts is described. The model has been implemented in a program, called SNOWY, that reads unedited texts from {\em The World Book Encyclopedia}, and acquires new concepts and conceptual relations about topics dealing with the dietary habits of animals, their classifications and habitats. The program is also able to answer an ample set of questions about the knowledge that it has acquired. This paper describes the essential components of this model, namely semantic interpretation, inferences and representation, and ends with an evaluation of the performance of the program, a sample of the questions that it is able to answer, and its relation to other programs of similar nature.

研究の動機と目的

• 編集されていない自然言語の百科事典テキストから、構造化された知識を自動で抽出できるシステムの開発を目的とする。
• システムが生のテキスト入力から動物の生物学に関する新しい概念および概念的関係を学習できるようにすることを目的とする。
• 手動で整備された知識ベースを必要とせずに、習得した知識に基づく正確な質問応答を可能にすることを目的とする。
• 実際の百科事典コンテンツから抽出された世界問題に対するシステムのパフォーマンスを評価することを目的とする。
• 最小限の言語処理前処理で、平易なテキストから知識習得が可能であることを実証することを目的とする。

提案手法

• システムは、意味的解釈を用いて『ワールドブック・エンサイクロペディア』の生のテキストを処理し、意味のあるフレーズや命題を特定・抽出する。
• 明示的なテキスト記述から、暗黙の概念的関係を導出するための推論メカニズムを適用する。
• 推論と質問応答を可能にするため、機械で処理可能な構造的フォーマットで知識を表現する。
• パターンベースの解析と語彙リソースを用いて、動物、食性、生息地などのエンティティを同定する。
• 文脈と句構造の手がかりを活用して、文間をまたがる関連概念の曖昧さを解消し、リンクする。
• 自然言語理解と記号的推論を統合したアーキテクチャにより、一貫性のある概念的ネットワークを構築する。

実験結果

リサーチクエスチョン

• RQ1 計算システムは、編集されていない百科事典テキストから、動物の食性、分類、生息地に関する正確で有用な知識を直接抽出できるか？
• RQ2 意味的解釈と推論メカニズムは、自然言語記述から概念的関係をどの程度再構築できるか？
• RQ3 生のテキストから習得した知識に基づいて、システムは事実に関する質問をどの程度正確に回答できるか？
• RQ4 同程度のスコープを持つ他の知識習得システムと比較して、このシステムのパフォーマンスはいかがなものか？
• RQ5 表面的なテキストを超えて、明示的に述べられていない関係を推論する能力は、システムにどの程度備わっているか？

主な発見

• SNOWYは、編集されていない百科事典テキストから、動物の食性、分類、生息地に関する知識を効果的に抽出・表現した。
• システムは、習得した知識に関する多様な事実に関する質問に答えられることを示し、構造化された概念に対する有効な推論が可能であることを裏付けた。
• パフォーマンス評価により、自然言語のバリエーションや部分的情報に対してもシステムの頑健性が確認された。
• 意味的解釈と推論モジュールが、単純なパターンマッチングをはるかに超えた知識習得を著しく向上させたことが結果から明らかになった。
• 特に複数の関係を含む複雑なクエリに対して、ベースライン手法に比べて質問応答の正確性が優れていた。
• アノテーション付き学習データや広範な言語処理前処理を必要としない手法が、平易なテキストからの知識習得に実用的であることが実証された。