[論文レビュー] Disambiguating bilingual nominal entries against WordNet

Germán Rigau, Eneko Agirre|arXiv (Cornell University)|Oct 4, 1995

Natural Language Processing Techniques参考文献 9被引用数 34

ひとこと要約

本論文は、語彙的密度による文脈ベースの意味解釈と、語彙的関係を活用した辞書構造の利用という2つの補完的アプローチを用いて、フランス語-英語およびスペイン語-英語の二か国語名詞項目をWordNetにリンクさせることで、二か国語名詞項目の意味の曖昧除去を提案する。主な貢献は、24,535件の接続を有する多言語語彙知識ベース（MLKB）であり、手動評価で78%の正確性と、最大可能接続数の90%のカバレッジを達成した。

ABSTRACT

This paper explores the acquisition of conceptual knowledge from bilingual dictionaries (French/English, Spanish/English and English/Spanish) using a pre-existing broad coverage Lexical Knowledge Base (LKB) WordNet. Bilingual nominal entries are disambiguated agains WordNet, therefore linking the bilingual dictionaries to WordNet yielding a multilingual LKB (MLKB). The resulting MLKB has the same structure as WordNet, but some nodes are attached additionally to disambiguated vocabulary of other languages. Two different, complementary approaches are explored. In one of the approaches each entry of the dictionary is taken in turn, exploiting the information in the entry itself. The inferential capability for disambiguating the translation is given by Semantic Density over WordNet. In the other approach, the bilingual dictionary was merged with WordNet, exploiting mainly synonymy relations. Each of the approaches was used in a different dictionary. Both approaches attain high levels of precision on their own, showing that disambiguating bilingual nominal entries, and therefore linking bilingual dictionaries to WordNet is a feasible task.

研究の動機と目的

• 自然言語処理システムにおける手作業による語彙的エントリ作成の作業負荷の高い課題に対処すること。
• WordNetを事前にある語彙知識ベースとして用い、二か国語辞書から概念的知識を自動的に取得すること。
• 意味の曖昧除去のための2つの補完的技術（語彙的密度と構造的統合）の開発と評価。
• 二か国語辞書エントリをWordNetのシングレットにリンクさせることで、多言語語彙知識ベース（MLKB）を構築すること。
• 文脈に配慮した意味の曖昧除去と構造的活用を通じて、多言語語彙リソースのカバレッジと正確性を向上させること。

提案手法

• 文脈的手がかり（語彙的分野、フランス語の手がかり、翻訳の多義性など）に基づいて、語彙的密度をWordNet上で用いて翻訳の意味の曖昧を解消すること。
• 語彙的解析を適用して、WordNetに直接存在しない複雑な翻訳や手がかりを処理すること。
• 同義語関係とエントリ間の共有翻訳を活用して、二か国語辞書とWordNetを統合すること。
• 二か国語サブエントリを4つの意味の曖昧解消ケースに分類すること：単義的翻訳、複数の翻訳、フランス語の手がかり、語彙的分野。
• 両アプローチの結果を統合してカバレッジと正確性を最大化し、100件の接続について手動での検証を実施すること。
• 翻訳の同等性と構造的アラインメントに基づいて、スペイン語名詞をWordNetのシングレットに接続することで、マイクロスペイン語WordNetを構築すること。

実験結果

リサーチクエスチョン

• RQ1 文脈的手がかりが利用可能な場合、WordNet上での語彙的密度が二か国語名詞項目の意味の曖昧を効果的に解消できるか？
• RQ2 二か国語辞書内の構造的パターン（例えば、同義語関係や共有翻訳）を文脈に依存せずにWordNetのエントリにリンクするためにどの程度活用できるか？
• RQ3 文脈ベースの意味の曖昧解消と構造的統合を組み合わせることで、多言語語彙知識ベースのカバレッジと正確性はどのように向上するか？
• RQ4 ハイブリッド手法を用いて二か国語辞書エントリをWordNetにリンクさせる場合、達成可能なカバレッジと正確性はどの程度か？
• RQ5 意味の曖昧解消の手がかり（語彙的分野、手がかり、複数の翻訳など）の種類ごとに、全体の成功確率にどの程度寄与するか？

主な発見

• 100件のランダムに選択された接続についての手動評価で78%の正確性を達成し、二か国語エントリをWordNetにリンクさせる際の高い正確性を示した。
• 合計24,535件の接続が12,039個のスペイン語名詞と15,897個のWordNetシングレットの間で確立され、最大可能接続数の90%のカバレッジを達成するマイクロスペイン語WordNetが構築された。
• 複数の翻訳（ケース2）が最も多くの接続（14,164件）を占め、次に単一翻訳（11,089件）、共有翻訳（3,164件）が続くことから、構造的統合の生産性が非常に高いことが示された。
• 英語翻訳のWordNetカバレッジは76%にとどまり、主に多義語、複数形、および直接的にWordNetエントリに一致しない複雑なフレーズが原因であった。
• 最終的なMLKBにおける多義語比は1つのスペイン語名詞あたり2.03個のシングレットであり、同義語度は1.54であった。これは語彙的曖昧の効果的な処理を示している。
• 語彙的密度と構造的統合の組み合わせにより、単独で使用する場合よりも高いカバレッジが達成された。これは両手法の強い補完性を示している。