[論文レビュー] Ellogon: A New Text Engineering Platform

Georgios Petasis, Vangelis Karkaletsis+3 more|ArXiv.org|May 13, 2002

Semantic Web and Ontologies参考文献 5被引用数 53

ひとこと要約

Ellogon は、自然言語処理の研究および産業的応用を支援することを目的としたマルチリンガルでクロスプラットフォームのテキスト工学プラットフォームです。Unicode 対応、モジュラーなアーキテクチャ、低水準のハードウェア要件を備えた TIPSTER ベースのインfrastrucure を用いて、テクストデータの管理、テキスト処理コンポーネントの統合、言語情報の可視化を実現します。これにより、多様な言語的・計算的環境において、効率的な言語工学システムの開発および展開が可能になります。

ABSTRACT

This paper presents Ellogon, a multi-lingual, cross-platform, general-purpose text engineering environment. Ellogon was designed in order to aid both researchers in natural language processing, as well as companies that produce language engineering systems for the end-user. Ellogon provides a powerful TIPSTER-based infrastructure for managing, storing and exchanging textual data, embedding and managing text processing components as well as visualising textual data and their associated linguistic information. Among its key features are full Unicode support, an extensive multi-lingual graphical user interface, its modular architecture and the reduced hardware requirements.

研究の動機と目的

• 学術的な NLP 研究と言語工学システムの産業的開発を両立させる統合的かつ拡張可能な環境を提供すること。
• 複数の言語にわたるテキストデータの管理・保存・交換を可能にするスケーラブルなインfrastrucureを提供すること。
• テキスト処理および言語的アノテーションの高パフォーマンスを維持しつつ、ハードウェア依存性を低減すること。
• 多様なテキスト処理コンポーネントを統合的かつ可視化可能なワークフロー環境に統合すること。
• 広範な多言語対応グラフィカルユーザーインターフェースを備えた、完全な Unicode 処理を提供し、アクセシビリティと使いやすさを向上させること。

提案手法

• Ellogon は、トークナイザー、パーサー、タガーラーなどのさまざまなテキスト処理コンポーネントを統合可能なモジュラーなアーキテクチャを採用している。
• テキストデータおよび言語的アノテーションの標準化された保存および交換を実現するため、TIPSTER ベースのデータ管理インfrastrucureを採用している。
• 完全な Unicode エンコードをサポートしており、さまざまな script および文字セットを含む多言語テキストの堅牢な処理を可能にしている。
• アノテーションや処理パイプラインを監視・操作可能なビジュアルインターフェースを備えている。
• テキスト処理コンポーネントは再利用可能なモジュールとしてカプセル化されており、コンポーネント指向のソフトウェア工学手法による統合と設定が容易になっている。
• 幅広い計算環境での互換性を確保するため、低水準のハードウェア要件を設計に組み込んでいる。

実験結果

リサーチクエスチョン

• RQ1 NLP 研究者と言語工学システムの産業的開発者を両立させる統合的プラットフォームをどのように設計できるか？
• RQ2 最小限のハードウェア負荷で多言語テキスト処理をサポートするには、どのようなアーキテクチャ的・インfrastrucure的特徴が必要か？
• RQ3 テキスト処理コンポーネントをどのように効果的にモジュラー化し、一つの拡張可能な環境に統合できるか？
• RQ4 GUI ベースのシステムが、複数言語にわたる複雑な言語的データ管理および可視化をどの程度効果的にサポートできるか？
• RQ5 Unicode 対応が、テキスト工学プラットフォームにおけるクロスリンガル相互運用性および拡張性をどのように促進するか？

主な発見

• Ellogon は、研究および産業的展開の両方を支援するクロスプラットフォームでマルチリンガルな環境を成功裏に提供している。
• 既存のシステムと比較して、ハードウェア要件が低減されており、標準的な計算リソース上での展開が可能である。
• 完全な Unicode 対応により、非ラテン文字や特殊文字を含む多言語テキストのシームレスな処理が可能である。
• モジュラーなアーキテクチャにより、テキスト処理コンポーネントの柔軟な統合と再利用が可能となり、システムの保守性および拡張性が向上した。
• ビジュアルインターフェースにより、非専門家ユーザーにとっても直感的なデータ探索および言語的アノテーションが可能となり、使いやすさが向上した。
• TIPSTER ベースのインfrastrucureにより、異なるテキスト処理ワークフロー間での標準化されたデータ交換および相互運用性が保証された。