[論文レビュー] Annotation of Scientific Summaries for Information Retrieval

Fidelia Ibekwe-Sanjuan, Silvia Fernández+2 more|arXiv (Cornell University)|Oct 26, 2011

Topic Modeling参考文献 22被引用数 7

ひとこと要約

本稿では、表面的NLPと機械学習を統合したハイブリッド手法を提示し、科学的要約文に意味的タグ（例：目的、結果、結論）を付与することで、クエリ指向の要約ランク付けおよびマルチ要約の生成を向上させる。著者らは、アノテートされたコーパスにおけるタグ分布を活用する2つの新しい重み関数を考案し、意味的認識型情報検索システムにおける有望な予備的結果を示している。

ABSTRACT

We present a methodology combining surface NLP and Machine Learning techniques for ranking asbtracts and generating summaries based on annotated corpora. The corpora were annotated with meta-semantic tags indicating the category of information a sentence is bearing (objective, findings, newthing, hypothesis, conclusion, future work, related work). The annotated corpus is fed into an automatic summarizer for query-oriented abstract ranking and multi- abstract summarization. To adapt the summarizer to these two tasks, two novel weighting functions were devised in order to take into account the distribution of the tags in the corpus. Results, although still preliminary, are encouraging us to pursue this line of work and find better ways of building IR systems that can take into account semantic annotations in a corpus.

研究の動機と目的

• 科学的要約文に、情報タイプ（例：目的、結果、結論）を示す意味的メタタグを付与する手法を開発すること。
• 下流のIRタスクを支援するための標準化された意味的タグでアノテートされたコーパスを作成すること。
• コーパス全体におけるタグ分布を活用する重み関数を設計し、要約やランク付けの改善を図ること。
• 意味的アノテーションが情報検索性能を向上させる有効性を評価すること。

提案手法

• 定義済みの意味的タグ（目的、結果、新規性、仮説、結論、今後の仕事、関連研究）を用いて、科学的要約文のコーパスをアノテートする。
• 表面的NLP技術を適用し、要約文内の文レベルの意味的コンテンツを同定およびラベル付けする。
• アノテート済みコーパス上で機械学習モデルを学習させ、新しい要約文の意味的タグを予測する。
• コーパス全体における意味的タグの分布を組み込むことで、関連性の高いコンテンツを優先する2つの新しい重み関数を開発する。
• アノテート済みコーパスおよび重み関数を用いて、クエリの関連性に基づき要約文をランク付ける。
• 意味的タグの重みに基づき、スコアの高い文を選択・統合することでマルチ要約を生成する。

実験結果

リサーチクエスチョン

• RQ1 科学的要約文の意味的アノテーションは、クエリ指向の要約ランク付けの正確性を向上させることができるか？
• RQ2 異なる意味的タグ分布は、要約およびランク付けの有効性にどのように影響を与えるか？
• RQ3 タグ頻度に基づく新しい重み関数は、検索パフォーマンスを向上させることができるか？
• RQ4 意味的アノテーションは、一貫性があり情報豊富なマルチ要約の生成をどの程度支援できるか？

主な発見

• 提案手法により、明確に区別された意味的タグを備えた一貫性のある科学的要約文コーパスが正常に生成された。
• 新規の重み関数は、ランク付けされた要約文および要約内容の関連性向上の可能性を示した。
• 予備的結果から、意味的アノテーションが情報検索システムのパフォーマンスを顕著に向上させると示唆された。
• IRパイプラインに意味的メタデータを統合することは、より文脈に配慮した正確な検索モデルの構築に有望である。