[論文レビュー] An Annotation Scheme for Reichenbach's Verbal Tense Structure

Leon Derczynski, Robert Gaizauskas|arXiv (Cornell University)|Mar 22, 2012

Natural Language Processing Techniques参考文献 18被引用数 6

ひとこと要約

この論文は、Reichenbachの3つの抽象的時間点—発話時間（S）、出来事時間（E）、参照時間（R）—を明示的にモデル化することで、自然言語における時制および時間的関係処理の精度を向上させるマークアップ言語RTMMLを紹介する。参照時間（R）の正確な追跡を可能にすることで、RTMMLは代名詞的時間表現の正しくない正規化を回避し、高精度な時間的リンクラベリングを支援し、TimeML や GUTime といった既存システムにおける主要な制限を克服する。

ABSTRACT

In this paper we present RTMML, a markup language for the tenses of verbs and temporal relations between verbs. There is a richness to tense in language that is not fully captured by existing temporal annotation schemata. Following Reichenbach we present an analysis of tense in terms of abstract time points, with the aim of supporting automated processing of tense and temporal relations in language. This allows for precise reasoning about tense in documents, and the deduction of temporal relations between the times and verbal events in a discourse. We define the syntax of RTMML, and demonstrate the markup in a range of situations.

研究の動機と目的

• TimeML や TCNL のような既存の時間的アノテーション方式における参照時間の明示的モデル化の欠如に対処すること。
• 話者の文脈における参照時間（R）を追跡することで、代名詞的および指示的時間表現の正確な正規化を可能にすること。
• 発話時間（S）、出来事時間（E）、参照時間（R）の3点モデルを活用して、自動時間的関係ラベリングの精度を向上させること。
• 時間的参照点の明示的表現を通じて、話の流れにおける正確な時間の固定と出来事の順序付けを支援すること。
• Reichenbachの時制理論を計算言語学およびNLPパイプラインに統合する基盤を提供すること。

提案手法

• 各動詞や動名詞句に対して発話時間（S）、出来事時間（E）、参照時間（R）をアノテートできる、XMLベースのマークアップ言語RTMMLを設計すること。
• RTMML要素の文法的構造を定義し、<verb>、<timerefx>、<rtmlink> を用いて、参照点を介した出来事と時間のリンクを可能にすること。
• S、E、Rの間の位置関係（例：過去完了形ではE < R）を用いて時間的関係を推論し、曖昧性を解消すること。
• TimeML などの既存の時間的アノテーション基準と統合し、出来事とリンクのアノテーションに加えてReichenbachの時間点を併記可能にする。
• 参照時間の推定ヒューリスティクス（例：文書作成日をデフォルトとする）を導入し、GUTime などのシステムで確認された誤差要因と照合することで検証すること。
• アノテーションツールを開発し、TimeML と整合するRTMMLアノテート済みテキストのコーパスを構築して、評価および将来の機械学習応用に活用すること。

実験結果

リサーチクエスチョン

• RQ1 Reichenbachの3点モデル（S、E、R）を、自然言語処理に適した機械可読マークアップ言語として効果的に表現できるか？
• RQ2 参照時間（R）の明示的モデル化が、話の文脈内での時間表現正規化の正確性にどの程度向上効果をもたらすか？
• RQ3 RTMMLは、出来事がどの視点から見られているかを捉えることで、出来事間の時間的リンクラベリングをより正確に可能にするか？
• RQ4 参照時間の追跡は、現在Rをヒューリスティックに近似しているGUTime や TEA といったシステムの性能にどのように影響を与えるか？
• RQ5 現実のテキストにS、E、Rをアノテートする際の実用的課題は何か？また、曖昧性はどのように解消または表現できるか？

主な発見

• RTMMLは、TimeML や TCNL といった既存の時間的アノテーション基準に欠落しているReichenbachの参照時間（R）を明示的にアノテート可能にする。
• 正しい参照時間の追跡により、話の文脈に応じて参照される日付などの代名詞的時間表現の曖昧性が解消される（例：「4月26日までに」）。
• このモデルにより、時間的関係の正確な推論が可能になる。例えば、「ジョンは私にニュースを伝えたが、私はすでに手紙を送っていた」という文では、過去完了形がE < Rを示しており、手紙送信の出来事が報告の出来事よりも前であることが明確にされる。
• GUTime などのシステムは、誤った参照時間の仮定により10％を超える誤り率を示すが、RTMMLはRを明示的にモデル化することでこれを直接是正する。
• TEA や HeidelTime などのシステムで用いられる参照時間のヒューリスティック近似は、有効にすることで性能が向上することから、Rのモデル化が正規化精度の向上に寄与することが確認された。
• RTMMLは、将来の機械学習による自動Reichenbach時制アノテーションの基盤を提供し、NLPシステムにおける時間的推論の精度向上に寄与する可能性を秘めている。