[論文レビュー] JeSemE: A Website for Exploring Diachronic Changes in Word Meaning and Emotion

Johannes Hellrich, Sven Buechel+1 more|arXiv (Cornell University)|Jul 11, 2018

Advanced Text Analysis Techniques参考文献 25被引用数 6

ひとこと要約

JeSemE は、最新の分布意味論と感情の Valence-Arousal-Dominance (VAD) モデルを用いて、語の意味および感情の歴史的変化を、技術的スキルが不要でローカルソフトウェアのインストールが不要な、オープンアクセスで使いやすいウェブプラットフォームです。COHA や Google Books を含む 5 つの大規模な歴史的コーパスを活用して、時間に依存する単語埋め込みと感情スコアを計算し、語の意味的・感情的シフト（例：『heart』の比喩的から解剖学的へのシフト）をインタラクティブに可視化できます。

ABSTRACT

We here introduce a substantially extended version of JeSemE, an interactive website for visually exploring computationally derived time-variant information on word meanings and lexical emotions assembled from five large diachronic text corpora. JeSemE is designed for scholars in the (digital) humanities as an alternative to consulting manually compiled, printed dictionaries for such information (if available at all). This tool uniquely combines state-of-the-art distributional semantics with a nuanced model of human emotions, two information streams we deem beneficial for a data-driven interpretation of texts in the humanities.

研究の動機と目的

• 人文学分野における手作業で作成された歴史的辞書の限られた利用可能性とカバー範囲を是正すること。
• 技術的スキルが乏しい研究者に、意味的および感情的変化をデータ駆動で探求できるツールを提供すること。
• 歴史的テキストの解釈をより洗練されたものにするために、歴史的分布意味論と多次元感情モデル（VAD）を統合すること。
• 感情追跡が欠落している、あるいは現代語に限定され、二値感情スコアにとどまる既存のツールの限界を克服すること。
• 対話的かつコーパスベースの証拠を用いて、歴史的言語学および文学研究における仮説の生成と検証を可能にすること。

提案手法

• 本システムは、COHA、ドイツ語および英語の Google Books N-gram、Deutsches Textarchiv、Royal Society Corpus の 5 つの大規模な歴史的コーパスを用い、10〜50 年ごとの時間的スライスに分割する。
• 各コーパススライスは、綴りの正規化と歴史的綴りを考慮した分かち書き処理（lemmatization）を経て処理される。
• SVD-PPMI を用いて各時間スライスごとに単語埋め込みを計算し、ベクトル空間における信頼性の高い局所近傍解析を可能にする。
• 感情スコアは、Bradley と Lang の VAD モデルに基づくシード感情語彙の重み付き平均を用いて計算され、ターゲット語とシード語の類似度が感情スコアを決定する。
• 単語ベクトル、共起統計、頻度、感情値はリレーショナルデータベースに格納され、パフォーマンス向上のため、類似度が最も高い語のみをキャッシュする。
• ウェブインターフェースにより語の検索と意味的類似度の傾向、感情の推移の可視化が可能であり、プログラムによるアクセスも REST API を通じて提供される。

実験結果

リサーチクエスチョン

• RQ1 デジタル・ヒューマニティーズ分野の研究者が、印刷された時間制限付きの辞書に依存せずに、語の意味および感情的含みの歴史的変化をどのようにアクセスし、解釈できるか。
• RQ2 分布意味論モデルは、『heart』のような語の比喩的使用と直喩的使用の変化を、どの程度正確に検出・可視化できるか。
• RQ3 意味が安定している語（例：『woman』）について、三次元感情スコア（Valence、Arousal、Dominance）はどのように時間経過とともに変化するか。
• RQ4 歴史的コーパスにおける感情追跡は、女性投票権運動のような社会的・歴史的出来事と相関関係を示す可能性があるか。
• RQ5 意味の変化分析に感情情報を統合することで、意味のみの分析に比べて、解釈の明確さはどのように向上するか。

主な発見

• 『heart』は 1900 年前後において、Valence および Dominance スコアが顕著に低下しており、『stroke』との意味的類似度が上昇していることから、比喩的使用から解剖学的使用へのシフトが示唆される。
• 感情追跡により、『woman』が 1920 年代に VAD のすべての次元で顕著に上昇したことが判明し、米国の女性投票権運動と一致する。
• 単語ベクトルを保存することで、データベースサイズを約 120GB から約 40GB に削減し、事前計算された類似度ではなく、オンザフライでの類似度計算を可能にしつつ、最も関連性の高い参照のみをキャッシュする。
• シード語彙への類似度に基づく重み付き平均による感情誘導法は、過去の研究で妥当性が確認されており、他の代替手法を上回る性能を示している。
• JeSemE は、複数の歴史的コーパスと二か国語をカバーする、歴史的意味的変化と多次元感情的含みの追跡を統合した、公開済みの最初のツールである。
• 本プラットフォームは、技術的スキルが乏しいユーザーが、意味的および感情的変化をインタラクティブに探査可能にし、人文学研究における仮説の生成と証拠に基づく検証を支援する。