[論文レビュー] LERIL : Collaborative Effort for Creating Lexical Resources

Akshar Bharati, Dipti Misra Sharma+4 more|ArXiv.org|Aug 7, 2003

Natural Language Processing Techniques参考文献 2被引用数 5

ひとこと要約

LERILは、インド諸言語の語彙的リソースを構築する共同フレームワークを提示する。主な対象は、パニニアンに基づく依存木ダンプ、英語からインド諸言語への翻訳用のトランスファー語彙、およびコア意味を対応付ける二か国語辞書である。このアプローチは言語理論とコミュニティ協働を活用し、低リソースのインド諸言語における自然言語処理応用を支援する構造的で多言語的なリソースを構築する。

ABSTRACT

The paper reports on efforts taken to create lexical resources pertaining to Indian languages, using the collaborative model. The lexical resources being developed are: (1) Transfer lexicon and grammar from English to several Indian languages. (2) Dependencey tree bank of annotated corpora for several Indian languages. The dependency trees are based on the Paninian model. (3) Bilingual dictionary of 'core meanings'.

研究の動機と目的

• 低リソース環境における自然言語処理を支援するため、インド諸言語の構造的語彙的リソースを開発すること。
• 英語の文法的構造を複数のインド諸言語にマッピングするためのトランスファー語彙と文法を構築すること。
• インド諸言語の文法的解析にパニニアンモデルを用いて、依存木ダンプを構築すること。
• 複数のインド諸言語間で共通する意味的対応を標準化するため、コア意味の二か国語辞書を編纂すること。
• 複数の機関や研究者間での協働モデルを確立し、言語的リソースの持続的開発を実現すること。

提案手法

• 文法的構造としてパニニアンモデルを採用し、複数のインド諸言語におけるアノテート済みコーパスに対して依存木を構築した。
• 既存の言語的枠組みを活用し、研究者たちは英語の構文的・語彙的構造をインド諸言語にマッピングするトランスファーベースのアプローチを設計した。
• 並列テキストからコア意味を抽出し、それらを用いて複数言語間で同等の概念を結びつける意味的辞書を構築した。
• 複数の機関と研究者を含む協働モデルを採用し、言語的一致性と広範なカバー範囲を確保した。
• パニニアン文法的原則に従った手動アノテーションにより、依存木ダンプを構築し、言語的正確性を確保した。
• 英語の形態的・構文的特徴を対象のインド諸言語の形態にルールベースでマッピングすることで、トランスファー語彙を構築した。

実験結果

リサーチクエスチョン

• RQ1 どのようにして共同フレームワークが、リソースが乏しいインド諸言語の語彙的リソース作成を効果的に支援できるか？
• RQ2 パニニアン文法的モデルは、インド諸言語の整合的な依存木ダンプの構築にどの程度適用可能か？
• RQ3 多様なインド諸言語間でコア意味に基づく二か国語辞書を開発することは現実的か？
• RQ4 英語からインド諸言語への翻訳に向け、トランスファーベースの語彙と文法規則を体系的に導出することは可能か？
• RQ5 機関間の協働は、語彙的リソース開発のスケーラビリティと言語的妥当性を確保するために果たす役割は何か？

主な発見

• パニニアンに基づく依存木ダンプは、複数のインド諸言語において一貫した構文的アノテーションを示し、クロスリンガルNLP応用を可能にした。
• トランスファー語彙は、英語からインド諸言語への形態的・構文的マッピングを効果的に捉え、ルールベースの翻訳システムを支援した。
• コア意味に基づく二か国語辞書は、意味的対応の標準化を実現し、クロスリンガル語彙的マッピングの曖昧さを低減した。
• 機関間での協働的開発により、孤立した取り組みに比べてリソースのカバー範囲と言語的正確性が向上した。
• 理論的言語的基盤を活用した低リソース言語環境における語彙的リソース作成の再現可能なモデルを確立した。
• 得られたリソースはLTRC-TR015レポートを通じて公開され、将来的な研究のためのアクセシビリティが確保された。