[論文レビュー] Issues in Exploiting GermaNet as a Resource in Real Applications

Manuela Kunze, Dietmar Rösner|ArXiv.org|Jan 31, 2005

Digital and Cyber Forensics参考文献 4被引用数 3

ひとこと要約

本稿は、ドイツ語死体解剖プロトコルの文書処理ワークベンチXDOCにおけるGermaNetの実用的有用性を評価する。限定的なカバー率（所見部で14.78%、背景部で27.99%）にもかかわらず、GermaNetは意味的拡張、複合語解析、浅層構造認識を可能にし、事前処理およびコーパスベースの分割ヒューリスティクスによってさらなる改善が可能である。

ABSTRACT

This paper reports about experiments with GermaNet as a resource within domain specific document analysis. The main question to be answered is: How is the coverage of GermaNet in a specific domain? We report about results of a field test of GermaNet for analyses of autopsy protocols and present a sketch about the integration of GermaNet inside XDOC. Our remarks will contribute to a GermaNet user's wish list.

研究の動機と目的

• 特化分野のドイツ語テキスト、特に法医学的死体解剖プロトコルにおけるGermaNetのカバー率を評価すること。
• 広範なリソース拡張なしで実応用においてGermaNetを使用する際の実務的課題を調査すること。
• GermaNetをXDOCワークベンチに統合し、意味的分析、複合語処理、構造認識を実現すること。
• GermaNetのNLP応用における使いやすさを向上させるためのユーザー中心の望ましい機能リストを策定すること。
• コーパスベースの手法を活用して、語彙の制限を補い、複合語の分割と意味解釈を向上させること。

提案手法

• 機能語、短い語、暗黙のマークアップを除いた死体解剖プロトコルからのトークンを抽出・フィルタリングする。
• 抽出された内容をGermaNetの語彙エントリと比較し、ドキュメントの各セクションごとのカバー率を測定する。
• GermaNetの意味的分野関係およびトップレベルカテゴリ階層を活用して複合語の分割を支援する。
• コーパス頻度データを用いて、語彙カバー率への依存度を低減し、複合語解析を改善する。
• XDOCの意味タガーにGermaNetを統合し、将来的にSIsS分析および意味解析器への拡張を計画する。
• 後続のGermaNet活用を向上させるために、名前付きエンティティ認識、品詞タギングなどの事前処理手順を適用する。

実験結果

リサーチクエスチョン

• RQ1 法医学的死体解剖プロトコルのような特化分野におけるGermaNetのカバー率はどの程度か？
• RQ2 特化分野のテキストにおいて、GermaNetはどのように意味的拡張および構造的分析に効果的に活用できるか？
• RQ3 医療テキストにおいて、GermaNetはどの程度、名詞複合語の分割と意味構築を支援できるか？
• RQ4 技術的分野におけるGermaNetのカバー率制限を補うために、どのような事前処理およびコーパスベースの戦略が有効か？
• RQ5 XDOCのような実世界のNLPワークベンチに、最小限の手作業でGermaNetを統合するにはどうすればよいか？

主な発見

• 死体解剖プロトコルの所見部におけるGermaNetのカバー率はわずか14.78%であり、主に特化分野の医学用語が原因である。
• 背景部ではカバー率が27.99%に達し、一般的な語彙がより多く使用されていることがうかがえる。
• 議論部ではカバー率が21.74%にとどまり、臨床的記述においても中程度ではあるが依然として限定的である。
• 低カバー率にもかかわらず、GermaNetは文書における意味的拡張および浅層的構造認識を可能にしている。
• コーパス頻度分析と意味的分野関係を活用することで、語彙の完全性に依存する複合語解析の依存度を低減できる。
• XDOCの意味タガーへのGermaNet統合は実現可能であり、将来的にSIsSおよび意味解析器コンponentsへの拡張も見込める。