[論文レビュー] CER: Complementary Entity Recognition via Knowledge Expansion on Large Unlabeled Product Reviews

Hu Xu, Sihong Xie+2 more|arXiv (Cornell University)|Dec 4, 2016

Sentiment Analysis and Opinion Mining参考文献 17被引用数 7

ひとこと要約

本稿では、構文的依存パスとラベルなしレビューからの知識拡張を用いて、製品レビューにおける補完的エンティティ認識（CER）のための新しい教師なし手法を提案する。カテゴリー単位のドメイン知識（少数のシード動詞を用いて抽出）を活用することで、ラベル付きデータを必要とせず、精度を著しく向上させ、限られた学習データでも高いF1スコアを達成する。

ABSTRACT

Product reviews contain a lot of useful information about product features and customer opinions. One important product feature is the complementary entity (products) that may potentially work together with the reviewed product. Knowing complementary entities of the reviewed product is very important because customers want to buy compatible products and avoid incompatible ones. In this paper, we address the problem of Complementary Entity Recognition (CER). Since no existing method can solve this problem, we first propose a novel unsupervised method to utilize syntactic dependency paths to recognize complementary entities. Then we expand category-level domain knowledge about complementary entities using only a few general seed verbs on a large amount of unlabeled reviews. The domain knowledge helps the unsupervised method to adapt to different products and greatly improves the precision of the CER task. The advantage of the proposed method is that it does not require any labeled data for training. We conducted experiments on 7 popular products with about 1200 reviews in total to demonstrate that the proposed approach is effective.

研究の動機と目的

• 製品レビューにおける補完的エンティティ（例：互換性のある製品）を特定する手法の不足に取り組むこと。特に、電子機器アクセサリー分野において。
• ラベル付きデータを学習に必要としない教師なしアプローチを開発することで、アノテーションの負担を軽減すること。
• 大規模なラベルなしレビューコーパス上で少数のシード動詞を用いて、ドメイン固有の知識を拡張することで、認識精度を向上させること。
• 同じカテゴリー内の異なる製品間での効果的な適応を可能にするために、共有される補完的パターンを活用すること。
• カテゴリー単位のドメイン知識が、表面的なエンティティ表記を越えた細分化された補完的関係の検出をどのように向上させるかを示すこと。

提案手法

• 本手法は、文の補完的関係を検出するために構文的依存パスを用い、適合性を示唆する動詞＋目的語構造に注目する。
• 大規模なラベルなしレビューから同じ製品カテゴリー内において、候補となる補完的エンティティとドメイン固有の動詞を教師なしで抽出する。
• 一般的なシード動詞（例：'work', 'fit', 'connect'）の少数を用いて、ラベルなしデータからドメイン固有の動詞とエンティティを同定することで、ドメイン知識を拡張する。
• このドメイン知識を活用して、特徴抽出の際に使われる類似した文法的パターンに起因する誤検出（誤検出）をフィルタリングすることで、精度を向上させる。
• 外部知識ベースや事前ラベル付きデータに依存せず、スケーラブルで効率的なアプローチであり、1つのレビュー集合あたり1秒未塔の実行時間である。
• 依存解析とパターンマッチングを統合し、ドメイン固有の動詞を介してリンクされたエンティティを抽出するが、非補完的であるとされる記述のフィルタリングによって精度が向上する。

実験結果

リサーチクエスチョン

• RQ1 ラベルなし学習データを一切必要としない教師なし手法が、製品レビューにおける補完的エンティティを効果的に認識できるか。
• RQ2 大規模なラベルなしレビューコーパスから、ドメイン固有の知識を自動的に拡張することで、認識精度を向上させることは可能か。
• RQ3 同じカテゴリーに属する類似製品間で共有されるカテゴリー単位の知識が、細分化された補完的関係の検出をどの程度向上させるか。
• RQ4 補完的関係の言語的パターンは、一般の特徴抽出や名前付きエンティティ認識のそれとどのように異なるか。
• RQ5 少数のシード動詞が、多様な製品カテゴリーにまたがる関連する補完的エンティティや動詞の発見を効果的に導けるか。

主な発見

• CER6K+は、テストされたすべての製品でベースラインCER手法を顕著に上回り、ドメイン知識の拡張が誤検出を低減させることで精度を向上させることを示している。
• 知識拡張に3,000件のレビューしか使用しなくてもすでに高い性能を達成しており、スケーラビリティと低データ依存性を示している。
• 限られたラベル付きデータでも高いF1スコアを達成しており、リソースが限られた環境下でも有効であることを証明している。
• タブレットスタンド向けのドメイン固有動詞（例：'hold'）の導入により、曖昧な一般動詞や汎用動詞の誤検出を効果的にフィルタリングし、精度が向上している。
• ノイズの多い依存パス（例：パス5およびパス6）の除外により、さらにF1スコアが向上する可能性があることから、パターン選択の改善余地が示唆されている。
• CRF や UIUC NER などのベースライン手法は、ドメイン適応の問題と、'tablet' や 'phone' のような名前付きエンティティでないエンティティを捉えられないという欠点により、性能が劣っている。