[論文レビュー] BiographyNet: Extracting Relations Between People and Events

Antske Fokkens, S. ter Braake+5 more|arXiv (Cornell University)|Jan 22, 2018

Natural Language Processing Techniques参考文献 15被引用数 11

ひとこと要約

BiographyNetは、歴史的研究を支援するための根拠と視点をコア設計原則として採用した自然言語処理パイプラインを提案する。このシステムは、オランダの人物伝ポータルに収録された伝記テキストから人物と出来事の関係を抽出し、76,000人の人物を含む125,000件の伝記に歴史的に根拠のあるNLP技術を用いて検索とデータ表示を向上させる。

ABSTRACT

This paper describes BiographyNet, a digital humanities project (2012-2016) that brings together researchers from history, computational linguistics and computer science. The project uses data from the Biography Portal of the Netherlands (BPN), which contains approximately 125,000 biographies from a variety of Dutch biographical dictionaries from the eighteenth century until now, describing around 76,000 individuals. BiographyNet's aim is to strengthen the value of the portal and comparable biographical datasets for historical research, by improving the search options and the presentation of its outcome, with a historically justified NLP pipeline that works through a user evaluated demonstrator. The project's main target group are professional historians. The project therefore worked with two key concepts: "provenance" -understood as a term allowing for both historical source criticism and for references to data-management and programming interventions in digitized sources; and "perspective" interpreted as inherent uncertainty concerning the interpretation of historical results.

研究の動機と目的

• 専門の歴史家が利用するためのオランダ伝記ポータルの有用性を向上させ、検索とデータ表示を改善すること。
• 出典批判とデータ管理の透明性を支援する歴史的に正当化されたNLPパイプラインを開発すること。
• 『証明性』と『視点』の概念を、伝記データ向けのデジタル・ヒューマニティーズNLPシステムに統合すること。
• エンドユーザーによる評価を経たデモシステムを構築し、歴史的研究の文脈における関連性と使いやすさを保証すること。
• より正確で解釈可能な関係抽出を可能にするために、デジタイズされた伝記データセットの価値を高めること。

提案手法

• 18世紀から現代までの人物をカバーするオランダ伝記辞典に収録された125,000件の伝記を処理する。
• 歴史的出典批判を念頭に置いたカスタムNLPパイプラインを適用し、証明性と解釈の不確実性に重点を置く。
• 『人物Xは出来事Yに生まれた』や『人物Zは時間Tに公職に就いた』といった、人物と出来事の関係を抽出する。
• 歴史家による評価を経て、専門的研究実践と整合性を持つデモシステムを構築した。
• 解釈の不確実性、特に曖昧または矛盾する出典データにおいて顕著な不確実性を反映するために、『視点』を表現として組み込んだ。
• 出典の起源とデータ処理中に適用された計算的変換を記録するため、証明性追跡を統合した。

実験結果

リサーチクエスチョン

• RQ1 歴史的伝記テキストから人物と出来事の関係を抽出するNLP技術は、どのように出典批判の原則を尊重しながら適応可能か？
• RQ2 証明性追跡は、デジタイズされた伝記データの透明性と信頼性をどのように向上させるか？
• RQ3 解釈の不確実性を反映するために、『視点』の概念を計算的にどのようにモデル化できるか？
• RQ4 ユーザー評価済みデモシステムは、専門の歴史家が関係抽出に利用する際の使いやすさをどの程度向上させるか？
• RQ5 NLPシステムを歴史的研究の方法論的基準に適合させるにあたり、主な課題は何か？

主な発見

• NLPパイプラインは、125,000件の伝記から、約76,000人の人物をカバーする人物と出来事の関係を正常に抽出した。
• 歴史家によるユーザー評価を通じてデモシステムが検証され、実際の研究文脈における関連性と使いやすさが確認された。
• 証明性の統合により、研究者が出典の起源と計算的介入の両方を追跡可能となり、透明性が向上した。
• 『視点』のモデルは解釈の不確実性を効果的に表現し、慎重で文脈に配慮したデータ解釈を支援した。
• 歴史的研究の方法論的原則をNLPに統合することで、システムの専門的歴史基準との整合性が向上した。
• 本研究は、デジタル・ヒューマニティーズ分野におけるNLPシステムが、技術的正確性と学術的責任感の両方をバランスさせる必要があることを示した。