[論文レビュー] From Submit to Submitted via Submission: On Lexical Rules in Large-Scale Lexicon Acquisition

Evelyne Viegas, Boyan Onyshkevych+2 more|ArXiv.org|Jul 8, 1996

Natural Language Processing Techniques被引用数 5

ひとこと要約

本稿では、スペイン語および英語のビジネス・ファイナンスコーパスを用いた大規模で準自動的な語彙抽出において、語彙規則（LRs）の発見、表現、適用のためのフレームワークを提示する。手動による検証のオーバーヘッドがあるものの、形態素的および構文的一般化（例：『submit』から『submission』を経由して『submitted』を導出）を自動化することで、手動による語彙構築の負担を顕著に軽減する大規模なLRsの有効性を示す。一方、規則ブロッキングや優先順位の仕組みを用いても、後処理によるチェックの必要性は依然として顕著である。

ABSTRACT

This paper deals with the discovery, representation, and use of lexical rules (LRs) during large-scale semi-automatic computational lexicon acquisition. The analysis is based on a set of LRs implemented and tested on the basis of Spanish and English business- and finance-related corpora. We show that, though the use of LRs is justified, they do not come cost-free. Semi-automatic output checking is required, even with blocking and preemtion procedures built in. Nevertheless, large-scope LRs are justified because they facilitate the unavoidable process of large-scale semi-automatic lexical acquisition. We also argue that the place of LRs in the computational process is a complex issue.

研究の動機と目的

• 大規模な計算的語彙抽出における語彙規則の発見および表現のための体系的アプローチの開発。
• 大規模なスコープの語彙規則が語彙構築の過程で手動作業をどの程度軽減できるかの効果とコストの評価。
• 規則ブロッキングおよび優先順位のメカニズムが、規則適用における誤検出（偽陽性）をどの程度低減できるかの調査。
• 規則ベースの語彙抽出パイプラインにおいて、準自動的検証の必要性の評価。

提案手法

• 英語およびスペイン語のビジネス・ファイナンス関連のアノテート済みコーパスから、語彙規則が自動的に誘導される。
• 規則は、動詞から過去分詞形への派生（例：submit → submitted は submission を経由）などの形態的および構文的パターンを捉えるように設計される。
• 規則システムは、競合を解消し、より具体的な規則を優先するためのブロッキングおよび優先順位のメカニズムを採用する。
• システムは規則を生コーパスに適用して候補となる語彙項目を生成し、その後、誤りをフィルタリングするための準自動的検証が実施される。
• 自動化と正確性の両立を図るため、規則ベースの一般化と人間によるフィードバック（人間がループに参加）を統合するアプローチが採用される。
• 評価は、規則カバレッジ、正確性、および手動語彙登録作業の負担削減度に基づいて行われる。

実験結果

リサーチクエスチョン

• RQ1 大規模な語彙規則は、専門分野における派生語形の取得をどの程度自動化できるか？
• RQ2 ブロッキングおよび優先順位のメカニズムは、規則適用における誤検出（偽陽性）をどの程度低減できるか？
• RQ3 規則ベースの語彙抽出において、自動化の利点と準自動的検証の必要性のトレードオフはどのようなものか？
• RQ4 語彙規則は、ドメイン特化コーパスにおける大規模な語彙構築に必要な手動作業を顕著に削減できるか？
• RQ5 語彙規則は、語彙抽出の全体的な計算プロセスにおいて、どのような役割を果たすか？

主な発見

• 大規模なスコープの語彙規則は、派生語形の生成を自動化することで、語彙抽出に必要な手動作業を顕著に軽減する。
• 規則ブロッキングおよび優先順位の仕組みを用いても、規則適用によって生じる誤りを是正するため、準自動的検証が依然として不可欠である。
• システムは『submit』から『submission』を経由して『submitted』を正しく導出できた。これは、形態論的システムにおける規則ベースの導出の実現可能性を示している。
• 本アプローチは、ビジネスおよびファイナンスのテキストにおいて、屈曲形および派生形の高いカバレッジを達成した。特に、規則的および準規則的パラダイムにおいて顕著であった。
• 語彙規則と人間の監視を統合したアプローチは、この分野において、完全に手動で行う方法や純粋に統計的手法に比べ、よりスケーラブルかつ正確であった。
• 本研究は、検証を組み合わせることで、語彙規則が大規模で準自動的な語彙抽出において正当かつ効率的な要素であることを確認した。