[論文レビュー] KBSET -- Knowledge-Based Support for Scholarly Editing and Text Processing

Jana Kittelmann, Christoph Wernhard|arXiv (Cornell University)|Aug 29, 2019

Semantic Web and Ontologies被引用数 4

ひとこと要約

KBSET は、GND や DBpedia などの外部知識ベースを統合した、Prolog と LaTeX を活用する学術的編集用フレームワークを提案する。意味的マークアップ、固有表現認識、外部知識ベースの統合を可能にし、論理ベースのテキスト処理をリアルタイムの候補提案とともに効率的に行い、大規模コーパスにおいて約 7 秒でエンティティ解決を達成する。宣言的でクエリ駆動の知識統合により、拡張可能で保守性の高い学術的ワークフローを実現する。

ABSTRACT

KBSET supports a practical workflow for scholarly editing, based on using LaTeX with dedicated commands for semantics-oriented markup and a Prolog-implemented core system. Prolog plays there various roles: as query language and access mechanism for large Semantic Web fact bases, as data representation of structured documents and as a workflow model for advanced application tasks. The core system includes a LaTeX parser and a facility for the identification of named entities. We also sketch future perspectives of this approach to scholarly editing based on techniques of computational logic.

研究の動機と目的

• 意味的知識と外部事実ベースを統合する実用的でスケーラブルな学術的編集支援の不足を補う。
• 人文学研究者が注釈付き学術的テキストを効果的に作成・検証・提示できる経済的で拡張可能なワークフローを構築する。
• LaTeX における構造的でクエリ可能なマークアップと、外部知識ベース（例：GND、DBpedia）のシームレスな統合を実現する。
• 計算論理を用いた命名済みエンティティ認識や意味的推論といった高度なテキスト処理タスクを支援する。
• マークアップと表示を分離し、再利用可能で合成可能な注釈を可能にする柔軟で論理ベースのインfra構造を提供する。

提案手法

• 特に通信文書編集を想定し、学術的テキストの構造的で人間が読みやすいマークアップに、ドメイン固有の意味的コマンドを備えた LaTeX を使用する。
• ドキュメントと注釈の表現、知識統合の管理を、LaTeX の解析と統合に使用する Prolog に基づくコアシステムを採用する。
• GND、GeoNames、DBpedia、YAGO などの外部事実ベースを、Prolog クエリによるエンティティ解決と意味的拡張に統合する。
• 名前類似度、職業一致、文脈的一致性といった妥当性ヒューリスティクスを用いた特徴ベースのランク付けにより、エンティティ候補の順位を付ける。
• ユーザーのフィードバックを通じた段階的改善を可能にし、支援ドキュメントを更新してクエリを再評価する。
• Prolog のクエリ最適化と論理的推論機能を活用し、効率的で拡張可能かつ保守性の高いテキスト処理パイプラインを実現する。

実験結果

リサーチクエスチョン

• RQ1 意味的マークアップと外部知識ベースを統合するスケーラブルで実用的な学術的編集ワークフローをどのように設計できるか。
• RQ2 Prolog が学術的編集における文書表現、クエリ処理、ワークフロー設計の統合基盤として果たせる限界はどこか。
• RQ3 特徴ベースのエンティティ候補ランク付けは、大規模テキスト処理における正確性とパフォーマンスを向上させられるか。
• RQ4 論理ベースのシステムは、自動生成された注釈と手動で整備された注釈の間でどのように調整できるか。
• RQ5 計算論理は、従来の XML/TEI モデルを超えて、拡張可能で合成可能かつ保守性の高い学術的テキスト処理をどのように支援できるか。

主な発見

• KBSET は、現代のノートパソコン上で 10,000 以上のクエリを約 7 秒で処理し、大規模学術的テキスト処理において高いパフォーマンスを示した。
• 2,000 ページにのぼる学術的通信文書プロジェクト（Sulzer-Bodmer）の編集を成功裏に支援し、実世界のデジタル・ヒューマニティーズ応用における実用的妥当性を裏付けた。
• Prolog はクエリ言語、データモデル、ワークフロー・エンジンとして効果的に機能し、知識ベースの柔軟な統合と動的クエリ再評価を可能にした。
• 文脈的・意味的特徴（例：職業一致、Wikipedia へのリンク）を組み合わせた特徴ベースの妥当性ランク付けにより、エンティティ候補の正確性とユーザーのガイドラインが著しく向上した。
• ユーザーのフィードバックを通じた注釈の段階的改善を支援し、支援ドキュメントを更新・再読み込みすることで、将来の結果を改善可能となった。
• KBSET のアーキテクチャはマークアップと表示の分離を可能にし、拡張可能でアスペクト指向的な注釈の統合を支援するため、将来の拡張性に大きな可能性を秘めている。