[論文レビュー] Enriching WordNet concepts with topic signatures

Eneko Agirre, Olatz Ansa+2 more|ArXiv.org|Sep 18, 2001

Natural Language Processing Techniques参考文献 16被引用数 84

ひとこと要約

本稿では、ワードネットの概念を、ウェブや意味タグ付きコーパスから抽出したトピック関連語の重み付き集合（トピックシグネチャー）で拡張することを提案する。トピック的整合性を向上させるために、フィルタリング手法を用いて、ウェブ由来のシグネチャーが語の意味あいまい性解消性能を顕著に向上させることを実証した。これは、語彙的オントロロジーを拡張する手法としての有効性を裏付けている。

ABSTRACT

This paper explores the possibility of enriching the content of existing ontologies. The overall goal is to overcome the lack of topical links among concepts in WordNet. Each concept is to be associated to a topic signature, i.e., a set of related words with associated weights. The signatures can be automatically constructed from the WWW or from sense-tagged corpora. Both approaches are compared and evaluated on a word sense disambiguation task. The results show that it is possible to construct clean signatures from the WWW using some filtering techniques.

研究の動機と目的

• ワードネットの概念間に存在するトピック的整合性の欠如を解消するため、トピックシグネチャーと関連付けること。
• ウェブテキストおよび意味タグ付きコーパスを用いたトピックシグネチャーの自動構築手法を検討すること。
• トピックシグネチャーが語の意味あいまい性解消タスクに与える影響を評価すること。
• 異なるデータソースから得られるシグネチャーの品質と有効性を比較すること。
• ノイズの多いウェブデータから、クリーンで有用なトピックシグネチャーを生成するためのフィルタリング手法の有効性を特定すること。

提案手法

• 大規模なテキストコレクションにおいて、ターゲットとなるワードネットの概念の周辺に共起する語を抽出することで、トピックシグネチャーを構築する。
• ウェブ検索結果をシグネチャー生成のデータソースとして用い、ノイズ低減のためのフィルタリングを適用する。
• シグネチャー品質の検証のため、ゴールドスタンダードとしての意味タグ付きコーパスを活用する。
• ターゲット概念との頻度および関連性に基づいて、シグネチャー内の語に重みを付与する。
• 統計的手法を用いて、ウェブ由来のシグネチャーから低関連性または不適切な語を除去する。
• 生成されたトピックシグネチャーを特徴量として用い、語の意味あいまい性解消タスクを通じてシグネチャー品質を評価する。

実験結果

リサーチクエスチョン

• RQ1 ウェブから効果的にトピックシグネチャーを抽出し、ワードネットの概念を拡張できるか？
• RQ2 意味タグ付きコーパスからのシグネチャーと比較して、ウェブ由来のトピックシグネチャーは品質および有用性においてどのように異なるか？
• RQ3 トピックシグネチャーは、語の意味あいまい性解消性能をどの程度向上させるか？
• RQ4 ノイズの多いウェブ由来のトピックシグネチャーを洗練するために、どのフィルタリング手法が最も効果的か？
• RQ5 トピックシグネチャーは、そうでない場合に接続のないワードネットの概念間のトピック的ギャップを埋めることができるか？

主な発見

• 適切にフィルタリングされたウェブ由来のトピックシグネチャーは、意味タグ付きコーパス由来のものと同等の高品質な表現を達成する。
• フィルタリング手法により、ウェブ由来のシグネチャーのノイズが顕著に低減され、関連性と有用性が向上する。
• トピックシグネチャーの活用により、語の意味あいまい性解消性能に測定可能な向上効果が得られる。
• 特に的を射たフィルタリングを組み合わせることで、固有のノイズを含むウェブ由来のシグネチャーも、実用的であることが示された。
• トピックシグネチャーは、概念間のトピック的整合性を追加することで、ワードネットの拡張に成功した。
• 本研究は、公開利用可能なテキストデータソースを用いて、スケーラブルにトピックシグネチャーを自動構築できることが確認された。