[論文レビュー] Enriching a Text by Semantic Disambiguation for Information Extraction

Bernard Jacquemin, Caroline Brun+1 more|ArXiv.org|Jun 12, 2005

Web Data Mining and Analysis参考文献 14被引用数 13

ひとこと要約

本稿では、文脈に適した同義語および複合語表現の選択を用いて、情報抽出のためのテキスト拡張を行う意味的曖昧性解消に基づく手法を提案する。構文的および意味的解析から導出された語の意味の曖昧性解消（WSD）ルールを用いる。このアプローチにより、実際の意味に合致する同義語拡張を保証することでノイズを低減し、再現率を向上させ、評価では74.17%の精度と43.61%の再現率を達成した。

ABSTRACT

External linguistic resources have been used for a very long time in information extraction. These methods enrich a document with data that are semantically equivalent, in order to improve recall. For instance, some of these methods use synonym dictionaries. These dictionaries enrich a sentence with words that have a similar meaning. However, these methods present some serious drawbacks, since words are usually synonyms only in restricted contexts. The method we propose here consists of using word sense disambiguation rules (WSD) to restrict the selection of synonyms to only these that match a specific syntactico-semantic context. We show how WSD rules are built and how information extraction techniques can benefit from the application of these rules.

研究の動機と目的

• 無差別な同義語拡張が引き起こす高いノイズ率を是正すること。
• 文脈に配慮した同義語選択を活用することで、情報抽出における再現率を向上させつつ、精度を損なわないこと。
• 語の意味の曖昧性解消（WSD）を用いて、意味的に整合性のある同義語および複合語表現によるテキスト拡張の体系的かつ一貫した手法を開発すること。
• WSDルールが一般情報抽出タスクにおける語彙的拡張をどのように向上させるかを検証すること。
• 文脈に敏感な同義語拡張が、IEシステムにおける単純な同義語リストの適用を上回ることを示すこと。

提案手法

• 構文的依存関係と意味的役割を抽出するために、頑健なパーサーを用いる。
• 構文的および意味的文脈を目的の語の意味にマッピングするための語彙的意味的ルールを構築し、文脈に配慮した曖昧性解消を可能にする。
• 曖昧性解消された意味に基づいて同義語および同義語表現を選択し、拡張における意味的一致性を保証する。
• 単一で包括的な電子辞書から、文脈に適した同義語を用いて、単語および複合語表現の両方を拡張する。
• 拡張された依存関係および新たな意味的関係をインデックス化し、下流の情報抽出タスクに活用する。
• WSDモジュールは、構文構造および意味的クラスに基づくルールを適用し、必要に応じて一般意味的クラスにフォールバックする。

実験結果

リサーチクエスチョン

• RQ1 語の意味の曖昧性解消（WSD）は、情報抽出における同義語ベースのテキスト拡張の精度を向上させ得るか？
• RQ2 文脈に配慮した同義語選択は、IEシステムにおける再現率とノイズレベルにどのように影響を与えるか？
• RQ3 構文的および意味的解析から導出されたWSDルールは、語彙的拡張の一貫性をどの程度向上させ得るか？
• RQ4 単一の汎用辞書を用いることで、拡張の質と一貫性にどのような影響が生じるか？
• RQ5 WSDに基づく同義語選択を用いて、複合語表現を効果的に拡張できるか？

主な発見

• 82文からなる『ル・モンド』のコーパス上でWSD評価において、本手法は74.17%の精度と43.61%の再現率を達成した。
• トークン化の誤りが全誤りの7.28%を占め、タギングが3.15%、パーサー処理が1.49%を占めており、前処理の改善の余地が示された。
• WSDの誤りが最大の誤り要因であり、13.91%を占めており、性能向上のためには曖昧性解消ルールの精錬が不可欠であると示唆された。
• 曖昧性解消が正しく行われた場合、提示された同義語表現は常に文脈に適切に適合していたことから、拡張ロジックの妥当性が裏付けられた。
• 本システムは、無差別な同義語リスト適用に比べ、文脈に配慮した同義語拡張がノイズを低減することを示した。
• 評価により、WSDに基づく拡張が実用的かつ効果的であることが確認された。さらに、より良いルール選択とドメイン適応により、さらなる改善が可能である。