[論文レビュー] Interactive Knowledge Base Population

Travis Wolfe, Mark Dredze+5 more|arXiv (Cornell University)|May 31, 2015

Topic Modeling参考文献 19被引用数 4

ひとこと要約

本論文は、小規模で焦点を絞った文書コレクションから高再現率のドメイン固有知識ベースを構築するために人間の専門家を活用する、新しいパラダイムであるインタラクティブ知識ベース構築（IKBP）を紹介する。Kelvin、Slinky、Parmaなどのシステムを介してリアルタイムのアノテーション、共参照解決、関係抽出、エンティティの曖昧性解消を統合することで、アナリストのワークフローに適合した効率的で構造化された知識抽出を可能にし、一般向けKBP手法に比べて著しく精度と有用性が向上する。

ABSTRACT

Most work on building knowledge bases has focused on collecting entities and facts from as large a collection of documents as possible. We argue for and describe a new paradigm where the focus is on a high-recall extraction over a small collection of documents under the supervision of a human expert, that we call Interactive Knowledge Base Population (IKBP).

研究の動機と目的

• 大規模で一般向けの知識ベース構築（KBP）の限界を克服するため、小規模でトピックに特化した文書コレクションに焦点を当てる。
• アナリストの自然な読解ワークフローを最小限に disruptive に保ちながら、専門家が効率的にエンティティと関係をアノテートできる仕組みを提供する。
• ファイナンス、研究、PRなどの分野におけるアナリスト向けに、軽量でタスク固有の知識ベース（ポケットKB）を支援するパイプラインを開発する。
• 共参照解決、関係抽出、エンティティリンクといった既存のKBP技術を、インタラクティブで専門家監視付きの環境に適応する。
• 共同作業が可能なドメイン適応型フレームワーク内で、仮説的推論と複数ユーザーのKB統合を検討する。

提案手法

• アナリストがテキストに直接エンティティと関係をアノテートできる文書中心のインターフェースを採用し、ワークフローへの干渉を最小限に抑える。
• SERIFとFACETSを用いて名前付きエンティティ認識、共参照解決、関係抽出を実行するKelvinシステムを文書レベルの分析に活用する。
• 文字列一致と文脈一致を用い、緩い統合ヒューリスティクスを適用することで、複数文書にまたがる共参照クラスタリングを実現するKripkeを適用する。
• 低遅延なIKBP用途に最適化されたトップ-K候補検索を用い、高速でストリーミング型のエンティティリンクを実現するSlinkyを活用する。
• ディスcourseレベルの特徴と共同推論を用いて、文書対間の表記を一致させることで未知エンティティのブートストラップを実現するParmaを採用する。
• ルールベースのフィルタリングと論理的推論（前向きチェイン）を適用し、誤った事実を除去するとともに、正当な推論を知識ベースに追加する。

実験結果

リサーチクエスチョン

• RQ1 小規模でトピックに特化した文書コレクションからの高再現率抽出を優先する知識ベース構築は、どのように再考できるか？
• RQ2 人間の専門家は、主なワークフローを妨げることなく、知識ベースの正確性と関連性をどのように向上させることができるか？
• RQ3 共参照解決、関係抽出、エンティティリンクといった既存のKBPコンponentsは、どのようにインタラクティブで専門家監視付きの環境に適応できるか？
• RQ4 個々のアナリストのアノテーションから構築されたポケットKBは、より信頼性が高くドメイン特化された知識ベースを形成するために、効果的に統合できるか？
• RQ5 インタラクティブな知識ベース構築パイプラインにおいて、仮説的推論とドメイン特化ルールを使用する利点は何か？

主な発見

• IKBPは、小規模で焦点を絞った文書コレクションから高再現率のドメイン固有知識ベースを構築可能にし、不要なグローバルKBのコンテンツからのノイズを低減する。
• 人間のアノテーションをドキュメントビューアインターフェースに統合することで、最小限の干渉で構造化された事実と引用をキャプチャできる。
• SlinkyやParmaといったシステムにより、低遅延なエンティティリンクと、あまり知られていないエンティティのブートストラップが可能となり、IKBPが希少または新規のエンティティに対しても有効であることが実証された。
• ルールベースのフィルタリングと論理的推論により、誤った事実や余分な事実が除去され、知識ベースの品質が向上した。
• Kripkeによる複数文書共参照と段階的統合ヒューリスティクスを用いることで、名前と文脈の一致のみで堅牢なクラスタリングが達成された。
• ポケットKBはグローバルKBの代替手段として有効であり、より効率的でドメイン特化された推論や仮説的推論を可能にした。