[論文レビュー] ACRONYM: Acronym CReatiON for You and Me

B. A. Cook|arXiv (Cornell University)|Mar 28, 2019

Biomedical Text Mining and Ontologies被引用数 6

ひとこと要約

ACRONYM は、英語の語彙をスキャンして有効な文字列を特定することで、任意の入力フレーズから意味的で発音可能な略語を自動生成するコマンドライン Python ツールです。長さとアルファベット順に優先順位をつけてソートされた候補を返すため、天文学者が手動でアイデアを練る必要なく、創造的で実用的な略語を素早く特定でき、プロジェクト名の命名ルールに費やす時間の大幅な削減が可能になります。

ABSTRACT

Each year, countless hours of productive research time is spent brainstorming creative acronyms for surveys, simulations, codes, and conferences. We present ACRONYM, a command-line program developed specifically to assist astronomers in identifying the best acronyms for ongoing projects. The code returns all approximately-English-language words that appear within an input string of text, regardless of whether the letters occur at the beginning of the component words (in true astronomer fashion).

研究の動機と目的

• 天文学者がプロジェクト、調査、シミュレーションのための略語を手動で作成する際にかかる時間がかかる問題に対処すること。
• 任意のフレーズから有効で発音可能な略語を自動的に特定することで、略語作成の認知的負担を軽減すること。
• アルゴリズムによる提案を通じて、科学的プロジェクト名付けの生産性を向上させるスケーラブルでオープンソースのツールを提供すること。
• 長さとアルファベット順にソートされた略語を返す柔軟でコマンドラインベースのツールを、天文学コミュニティが利用可能にすること。

提案手法

• アルゴリズムは、カスタマイズ可能な語彙から一意の英単語を収集し、デフォルトでは NLTK の一般語彙語彙を使用する。
• 入力フレーズの最初の文字と同じ初期文字を持つ単語に絞り込む。
• 各候補となる単語について、その単語の先頭と末尾の文字が入力フレーズ内で順番に現れるかを再帰的に確認する。
• デフォルトでは 4〜8 文字の長さ範囲をサポートし、コマンドラインフラグで代替語彙を選択可能である。
• 有効なすべての略語を長さ（長い順）、次にアルファベット順にソートし、正しい大文字・小文字の表記を保持して返す。
• システムは最適な略語を保証しないし、入力フレーズの語順変更や同義語置換の検索も行わない。

実験結果

リサーチクエスチョン

• RQ1 自動化されたシステムは、任意の科学的プロジェクト名から意味的で発音可能な略語を効率的に特定できるか？
• RQ2 ブルートフォースで語彙ベースのアプローチは、多様な天文学的プロジェクト名において、実用的な略語を生成するのにどの程度効果的か？
• RQ3 コマンドラインツールは、天文学の研究者が略語作成に費やす手作業の負担をどの程度軽減できるか？
• RQ4 語彙選択が生成された略語の多様性と品質にどのような影響を及えるか？
• RQ5 単なるソートを超えて、ユーザーの略語選択効率を向上させるために、略語提案ツールをどのように改善できるか？

主な発見

• ACRONYM は、入力フレーズから複数の有効な略語を特定でき、たとえば 'the long name of your very fancy project' から 'TERRACE' や 'TENURE' を生成する。
• ツールは長さとアルファベット順にソートされた略語を返し、より良い使いやすさを得るために長めの略語を優先順位に置く。
• アルゴリズムのパフォーマンスは、下位の語彙語彙のサイズと選択に制限を受けており、生成可能な略語の範囲が制限される。
• ツールは代替表現や語順の変更、同義語置換の検索を行わないため、より良い略語が得られる可能性がある。
• システムは非英語語彙に対しても拡張可能であり、略語の品質をランク付けするスコアリングメトリクスを追加することで強化できる。
• 実行時間は語彙語彙のサイズにほぼ線形に比例するため、非常に大きな語彙リストではパフォーマンスのボトル neck が生じる可能性がある。