[論文レビュー] Combining Multiple Methods for the Automatic Construction of Multilingual WordNets

Jordi Atserias, Salvador Climent+3 more|arXiv (Cornell University)|Sep 15, 1997

Natural Language Processing Techniques被引用数 7

ひとこと要約

本稿では、単語の意味の翻訳的分類、翻訳に基づくマッピング、並列コーパスからの語彙的パターン一致といった、相補的な複数の技術を組み合わせることで、多言語対応スペイン語WordNetを自動的に構築するハイブリッド手法を提示する。これらの手法を統合することで、正確性を損なわず、85%の正確性と、接続されたシングレット（synset）数の40%増加を達成した。クラスとシングレットの両レベルでの自信スコア（信頼度スコア）を用いた細分化されたスコアリングにより、結果が洗練された。

ABSTRACT

This paper explores the automatic construction of a multilingual Lexical Knowledge Base from preexisting lexical resources. First, a set of automatic and complementary techniques for linking Spanish words collected from monolingual and bilingual MRDs to English WordNet synsets are described. Second, we show how resulting data provided by each method is then combined to produce a preliminary version of a Spanish WordNet with an accuracy over 85%. The application of these combinations results on an increment of the extracted connexions of a 40% without losing accuracy. Both coarse-grained (class level) and fine-grained (synset assignment level) confidence ratios are used and evaluated. Finally, the results for the whole process are presented.

研究の動機と目的

• 既存の単語彙的リソース（単言語および二言語）から、多言語対応の語彙的知識ベースを自動的に構築するフレームワークの開発。
• スペイン語語彙を英語WordNetのシングレットに高精度かつ高カバレッジでリンクする課題への対処。
• 複数の相補的な自動技術を統合し、得られるスペイン語WordNetの完全性と信頼性の向上。
• クラスレベルおよびシングレットレベルでの信頼度スコアに基づく、異なる手法からの結果の統合と最適化。
• 複数の手法を統合することで、正確性を落とさずに抽出接続数を増加させることの有効性の提示。

提案手法

• 複数の自動技術を統合する：多言語間の意味の分類、二語語辞書を用いた翻訳ベースのマッピング、並列コーパスからの語彙的パターン一致。
• 各技術が独立してスペイン語語彙を英語WordNetのシングレットにマッピングし、個別の候補マッピング集合を生成する。
• 2段階の信頼度スコアを計算する：粗い粒度（語彙クラス全体）と細かい粒度（個々のシングレット割り当て）。
• これらの信頼度スコアに基づく重み付き統合戦略を用いて、各手法の結果を統合し、ノイズを低減し信頼性を向上させる。
• 最終的なスペイン語WordNetは、すべての手法から得られた最高信頼度のマッピングを統合して構築される。
• テストセット（英語WordNetのシングレットに既知の正しいマッピングを持つスペイン語語彙）を用いて、手法の評価が行われた。

実験結果

リサーチクエスチョン

• RQ1 複数の自動手法を効果的に統合することで、多言語対応WordNetの正確性とカバレッジを向上させることができるか？
• RQ2 相補的な技術からの結果の統合は、抽出されたシングレット接続数にどのような影響を与えるか？
• RQ3 異なるレベルでの信頼度ベースのスコアリングは、最終的なマッピングの信頼性をどの程度向上させるか？
• RQ4 複数の手法を統合することで、正確性を低下させることなく有効な接続数を増加させることができるか？
• RQ5 粗い粒度と細かい粒度の両方の信頼度測定を用いることで、最終的な構築品質にどのような影響があるか？

主な発見

• 統合手法により、スペイン語語彙を英語WordNetのシングレットにリンクさせる際、85%を超える正確性が達成された。
• 複数の手法の統合により、個々の手法と比較して、抽出接続数が40%増加した。
• 粗い粒度と細かい粒度の両方の信頼度比を用いることで、最終マッピングの信頼性が向上した。
• 統合戦略により、誤検出（偽陽性）が効果的に低減され、同時にカバレッジが著しく拡大された。
• 相補的な技術を効果的に統合することで、高品質な多言語対応語彙リソースを自動的に構築できることが示された。
• テストセットでの検証により、手法の頑健性とスケーラビリティが確認された。