[論文レビュー] Building a Knowledge Graph from Natural Language Definitions for Interpretable Text Entailment Recognition

Vivian S. Silva, André Freitas+1 more|arXiv (Cornell University)|Jun 20, 2018

Topic Modeling被引用数 5

ひとこと要約

本稿では、語彙的中心の役割に基づく意味的役割ラベリング手法を用いて、WordNetの自然言語定義から自動的に知識グラフであるWordNetGraphを構築する手法を提案する。このグラフを用いることで、用語間のパスを走査することで人間が理解可能な妥当性の根拠を生成する解釈可能なテキスト帰属認識が可能となり、従来の手法と同等の性能を達成するとともに、透明性のある推論を提供する。

ABSTRACT

Natural language definitions of terms can serve as a rich source of knowledge, but structuring them into a comprehensible semantic model is essential to enable them to be used in semantic interpretation tasks. We propose a method and provide a set of tools for automatically building a graph world knowledge base from natural language definitions. Adopting a conceptual model composed of a set of semantic roles for dictionary definitions, we trained a classifier for automatically labeling definitions, preparing the data to be later converted to a graph representation. WordNetGraph, a knowledge graph built out of noun and verb WordNet definitions according to this methodology, was successfully used in an interpretable text entailment recognition approach which uses paths in this graph to provide clear justifications for entailment decisions.

研究の動機と目的

• 非構造化された自然言語の定義から構造的で解釈可能な知識ベースを構築すること。
• 意思決定の根拠を人間が理解可能な説明として生成することで、テキスト帰属認識の解釈可能性を向上させること。
• 辞書の定義を知識グラフに変換するスケーラブルでドメイン拡張可能な手法を開発すること。
• 分布的意味論を用いて語彙的定義に基づくパスベースの推論を可能とすること。
• 定義からの知識グラフ構築に向けた自由に利用可能なツールを提供すること。

提案手法

• 上位種、差異品質、差異出来事といった語彙的中心の意味的役割に基づく概念的モデルを採用し、定義のセグメントにラベルを付与する。
• 定義内のフレーズに意味的役割を自動的に割り当てるための教師あり機械学習分類器を訓練する。
• ラベル化された定義セグメントをRDF三元組に変換し、WordNetGraph知識グラフを構築する。
• テキスト帰属認識タスクにおいて、前提語彙から仮説語彙へとグラフを走査するために分布的意味論を用いる。
• グラフ内で見つかった最短パスに沿ってノードの内容を連結することで、妥当性の根拠を生成する。
• データ前処理、アノテーション、分類器の学習、RDFモデル生成のためのオープンソースツールを提供する。

実験結果

リサーチクエスチョン

• RQ1 自然言語の定義を体系的かつ構造的で解釈可能な知識グラフに変換できるか？
• RQ2 辞書の定義から構築された知識グラフは、解釈可能なテキスト帰属認識を支援できるか？
• RQ3 このようなグラフにおけるパスベースのナビゲーションによって、帰属判断のための人間が理解可能な根拠を生成できるか？
• RQ4 このアプローチの性能は、既存のテキスト帰属認識手法と比較してどの程度か？
• RQ5 この手法は、WordNetを越えた他の語彙的リソースに対してもどの程度拡張可能か？

主な発見

• 意味的役割ラベリングを用いて、WordNetの名詞および動詞の定義からWordNetGraph知識ベースを成功裏に構築した。
• 知識グラフ内のパスに基づく根拠生成によって、解釈可能なテキスト帰属認識が可能になった。
• ツリー編集距離や分類ベースのモデルといった既存のテキスト帰属認識手法と同等の性能を達成した。
• グラフパスに沿って生成された根拠は、簡潔で人間が理解可能なものであり、システムの説明可能性を向上させた。
• フレームワークは拡張可能であり、BPIデータセットおよびGuardian Headlinesデータセットへの応用でも一貫した結果が得られた。
• データ処理、アノテーション、知識グラフ生成のための包括的なツールセットが公開されている。