[論文レビュー] Architecture of an Ontology-Based Domain-Specific Natural Language Question Answering System

P M Athira, M. U. Sreeja+1 more|arXiv (Cornell University)|Nov 13, 2013

Natural Language Processing Techniques参考文献 9被引用数 7

ひとこと要約

本稿では、自然言語処理とontology推論を活用してクエリ理解と回答の正確性を向上させる、分野特化型質問応答のためのontologyベースのNLQAシステムアーキテクチャを提示する。このシステムは、質問処理、文書取得、文書処理、回答生成の4つのモジュールからなるモジュラー構造を採用し、複雑な自然言語質問に対して分野特化型の簡潔な回答を生成する際、94%の正確性を達成した。

ABSTRACT

Question answering (QA) system aims at retrieving precise information from a large collection of documents against a query. This paper describes the architecture of a Natural Language Question Answering (NLQA) system for a specific domain based on the ontological information, a step towards semantic web question answering. The proposed architecture defines four basic modules suitable for enhancing current QA capabilities with the ability of processing complex questions. The first module was the question processing, which analyses and classifies the question and also reformulates the user query. The second module allows the process of retrieving the relevant documents. The next module processes the retrieved documents, and the last module performs the extraction and generation of a response. Natural language processing techniques are used for processing the question and documents and also for answer extraction. Ontology and domain knowledge are used for reformulating queries and identifying the relations. The aim of the system is to generate short and specific answer to the question that is asked in the natural language in a specific domain. We have achieved 94 % accuracy of natural language question answering in our implementation.

研究の動機と目的

• 自然言語質問の意味的理解を向上させるために、分野特化型のontologyを統合することで、従来のQAシステムを強化すること。
• 特定の分野において、複雑な自然言語質問を高精度で処理する課題に対処すること。
• 質問の再定式化、文書取得、ontology知識を用いた正確な回答抽出を支援するモジュラーなアーキテクチャを構築すること。
• 分野知識とontologyにエンコードされた意味的関係を活用することで、回答の明確さと関連性を向上させること。

提案手法

• 本システムは、質問処理、文書取得、文書処理、回答生成の4モジュールからなるアーキテクチャを採用している。
• 質問処理は、句構造解析と意味的解析、分類、およびontologyベースの関係を用いた再定式化を含む。
• 文書取得は、ontologyの概念と関係から導出された再定式化されたクエリに従って行われる。
• 文書処理では、NLP技術を用いて関連するコンテンツを抽出し、ontology駆動の意味の曇り取りと関係特定が行われる。
• 回答抽出と生成は、質問の意図と文書コンテンツの間の意味的マッチングを用い、分野ontologyに根ざして行われる。
• ontologyと分野知識は、自然言語クエリを形式的表現にマッピングし、回答選択をガイドするために用いられる。

実験結果

リサーチクエスチョン

• RQ1 ontologyベースの推論は、特定分野における自然言語質問応答の正確性をどのように向上させることができるか？
• RQ2 どのようなモジュラーなアーキテクチャが、分野特化的な文脈における複雑な自然言語質問の効果的処理を可能にするか？
• RQ3 NLPとontology知識を組み合わせることで、クエリの再定式化と回答の正確性はどの程度向上するか？
• RQ4 分野知識を統合することで、曖昧なまたは複雑な質問を処理するシステムの能力はどのように変化するか？

主な発見

• 提案されたontologyベースのNLQAシステムは、分野特化型の自然言語質問に対して94%の正確性を達成した。
• ontology知識の統合により、クエリの再定式化と複雑な質問の意味的理解が顕著に向上した。
• モジュラーなアーキテクチャにより、関心の分離が効果的に実現され、QAパイプラインの保守性とスケーラビリティが向上した。
• NLP技術とontology駆動の推論を組み合わせることで、回答の明確さと関連性が向上した。