[論文レビュー] An introduction to the Europe Media Monitor family of applications

Ralf Steinberger, Bruno Pouliquen+1 more|arXiv (Cornell University)|Sep 20, 2013

Web Data Mining and Analysis参考文献 23被引用数 91

ひとこと要約

本論文では、19〜50ヶ国のヨーロッパ言語をカバーする多言語メディアモニタリングアプリケーション「Europe Media Monitor（EMM）」ファミリーを紹介する。多言語情報抽出とクロスリンガルドキュメントリトリーブを統合することで、EUの包括的メディア監視を可能にし、政策監視および世論分析を高水準の多言語カバレッジと相互運用性のあるデータ統合によって支援する。

ABSTRACT

Most large organizations have dedicated departments that monitor the media to keep up-to-date with relevant developments and to keep an eye on how they are represented in the news. Part of this media monitoring work can be automated. In the European Union with its 23 official languages, it is particularly important to cover media reports in many languages in order to capture the complementary news content published in the different countries. It is also important to be able to access the news content across languages and to merge the extracted information. We present here the four publicly accessible systems of the Europe Media Monitor (EMM) family of applications, which cover between 19 and 50 languages (see http://press.jrc.it/overview.html). We give an overview of their functionality and discuss some of the implications of the fact that they cover quite so many languages. We discuss design issues necessary to be able to achieve this high multilinguality, as well as the benefits of this multilinguality.

研究の動機と目的

• ヨーロッパ連合の23ヶ国語の公式言語を対象とした多様で多言語的なメディア環境を監視する課題に対処すること。
• 複数の言語で提供されるニュースソースからの情報抽出と統合を通じて、メディア監視を自動化すること。
• ニュースコンテンツへのクロスリンガルアクセスを可能とし、多言語情報検索および分析を支援すること。
• 言語的多様性を損なわず、正確性やパフォーマンスを維持しながらスケーラブルな多言語システムを設計すること。
• 多言語政策および公共関係分野におけるリアルタイムメディアインテリジェンスの機関的ニーズを支援すること。

提案手法

• EMMシステムは、多言語テキスト処理、名前付きエンティティ認識、および言語間コアリソリューションを統合したパイプラインアーキテクチャを採用している。
• 言語に依存しない情報抽出技術を用いて、複数言語のニュース記事から出来事、参加者、関係性を同定する。
• 多言語埋め込みモデルと意味的インデックス化を活用することで、クロスリンガルドキュメントリトリーブを実現する。
• 19〜50ヶ国の言語で1万件を超えるニュースソースからのデータを統合し、標準化されたメタデータと時系列インデックスを用いる。
• 言語固有の処理と多言語正規化のためのプラグインコンponentsを備えたモジュラー設計を採用している。
• EMMファミリーには、4つの公開可能なアプリケーション（EMM News、EMM Events、EMM Trends、EMM Monitor）が含まれており、それぞれ異なる監視機能を果たす。

実験結果

リサーチクエスチョン

• RQ1 多様な文法構造を持つ多数のヨーロッパ言語において、どのようにしてメディア監視を自動化できるか？
• RQ2 スケーラブルな多言語情報抽出およびクロスリンガルドキュメントリトリーブを実現する設計原則は何か？
• RQ3 単一言語システムと比較して、高水準の多言語カバレッジがメディアインテリジェンスの包括性と正確性をどのように向上させるか？
• RQ4 複数の多言語ニュースソースからの情報を統合的分析ビューに統合する際の技術的および言語的課題は何か？
• RQ5 多言語機関（例：EU）における政策監視および世論分析を、多言語メディア監視がどの程度支援できるか？

主な発見

• EMMシステムは、19〜50ヶ国のヨーロッパ言語においてメディア監視を効果的に実施でき、多言語メディアカバレッジを顕著に向上させた。
• 多言語情報抽出の統合により、言語の境界を越えて出来事とエンティティを一貫して同定できるようになった。
• 意味的インデックス化と多言語埋め込みを活用することで、クロスリンガルリトリーブのパフォーマンスが向上し、ユーザーが言語にかかわらず関連コンテンツにアクセスできるようになった。
• システムのモジュラーなアーキテクチャにより、新規言語やメディアソースへの拡張性と適合性が確保された。
• EMMファミリーのアプリケーションは、機関および学術研究を支援する包括的かつ公開可能な多言語メディア分析インfraを提供している。
• 高水準の多言語カバレッジにより、国境を越えた補完的ニュースコンテンツの検出が可能となり、メディア監視における盲点が削減された。