[論文レビュー] InScript: Narrative texts annotated with script information

Ashutosh Modi, Tatjana Anikina+2 more|arXiv (Cornell University)|Mar 15, 2017

Natural Language Processing Techniques参考文献 14被引用数 3

ひとこと要約

本稿では、イベントおよび参加者タイプ、および共参照関係を含むスクリプト知識でアノテートされた1,000編の物語で構成されるInScriptというコーパスを紹介する。このコーパスは、スクリプトに基づく言語理解に関する研究を可能にし、語彙の多様性が高く、DeScriptコーパスとの強い整合性を示す。NLPにおけるスクリプト知識のモデリングに適している。

ABSTRACT

This paper presents the InScript corpus (Narrative Texts Instantiating Script structure). InScript is a corpus of 1,000 stories centered around 10 different scenarios. Verbs and noun phrases are annotated with event and participant types, respectively. Additionally, the text is annotated with coreference information. The corpus shows rich lexical variation and will serve as a unique resource for the study of the role of script knowledge in natural language processing.

研究の動機と目的

• 物語ベースのスケールの大きなコーパスを構築し、スクリプト知識をアノテートすることで、スクリプト理解がテキスト理解をどのように支援するかを研究すること。
• 読者の期待、共参照解消、常識的推論を導くスクリプト知識の役割を調査すること。
• 一般的なスクリプト記述（DeScript）と具体化された物語（InScript）を結ぶリソースを提供し、テキストからスクリプトへの対応付け研究を支援すること。
• MTLDおよびエントロピー指標を用いて、物語テキストと一般的なスクリプト記述との間の語彙的変異を分析すること。
• スクリプトアノテート済みテキストを用いて、書言語における驚きの度合いと情報密度のモデル開発を支援すること。

提案手法

• 10の異なるシナリオ（例：お風呂に入る、ケーキを焼く、飛行機で飛ぶ）ごとに100編ずつ、合計1,000編の物語をAmazon Mechanical Turkを用いて収集した。
• 動詞にイベントタイプ（例：ScrEv_turn_water_on）を、名詞句に参加者タイプ（例：ScrPart_bather, ScrPart_tap）をアノテートした。
• 共参照アノテーションを適用し、スクリプト構造と代名詞または確定名詞句の解消との関係を調査した。
• InScriptとDeScript間の語彙的変異を比較するために、閾値0.71を用いた語彙的多様性の測定指標（MTLD）を用いた。
• イベントに10回未満の出現があるものは除き、動詞の原型（lemma）のエントロピーを計算して、スクリプトイベントにおける語彙的実現のばらつきを定量化した。
• InScriptの物語をDeScriptの一般的なイベントシーケンス（ESDs）と対応付けることで、将来の自動的テキストからスクリプトへのマッピングを可能にした。

実験結果

リサーチクエスチョン

• RQ1 スクリプト知識は、物語テキストにおける共参照解消および文脈統合にどのように影響するか？
• RQ2 物語テキストは、一般的なスクリプト記述と比較して、どの程度語彙的変異を示すか？
• RQ3 異なるシナリオ（例：単純 vs. 複雑）は、物語テキストにおける語彙的多様性およびイベント実現にどのように影響するか？
• RQ4 エントロピーとMTLD指標は、物語と抽象的スクリプト記述との間の語彙的実現の違いを信頼性高く捉えられるか？
• RQ5 物語テキストは、下流のNLPタスクにおいて、一般的なスクリプト構造（例：DeScript）とどの程度うまく対応付けられるか？

主な発見

• InScriptは、1,000編の物語を含み、1編あたり平均200語、合計で約200,000語の語彙量であり、イベントタイプ、参加者タイプ、共参照のアノテーションが施されている。
• MTLDで測定したところ、InScriptはDeScriptよりも顕著に語彙的多様性が高く、10のすべてのシナリオで一貫して高い値を示した。
• エントロピー分析の結果、'spend_time_train'のようなイベントタイプは高い語彙的ばらつき（高いエントロピー）を示し、'wait'のようなタイプは低いばらつきを示した。これは、複雑な活動に対して多様な言語的実現がなされることを示している。
• 「飛行機で飛ぶ」というシナリオでは、InScriptおよびDeScriptの両方で最も高い語彙的多様性を示し、複雑なシナリオが自然に語彙的変異を増大させることを示唆している。
• 最も頻出する参加者タイプ（例：'bather', 'bathtub'）の平均言及回数は、頻度が低いタイプよりも顕著に高かった。これは、標準的なスクリプト参加者に共参照が偏っていることを示している。
• コーパスは、物語テキストが豊かな語彙的変異とともにスクリプトを具体化しており、文脈に応じたNLPシステムにおけるスクリプト知識の研究に最適であるという仮説を支持している。