[論文レビュー] Multi-document Summarization by Graph Search and Matching

Inderjeet Mani, Eric Bloedorn|arXiv (Cornell University)|Dec 10, 1997

Topic Modeling参考文献 10被引用数 201

ひとこと要約

本稿では、テキストを概念と関係のネットワークとしてモデル化し、拡散活性化を用いてトピック関連のノードを特定し、グラフマッチングを用いて類似点と相違点を抽出する、グラフベースのマルチドキュメント要約手法を提案する。本手法は、意味的関係とトピックコンテキストを活用することで、特に相違点の抽出において顕著に要約品質を向上させ、単に語句頻度重み付けに依存するベースライン手法を上回る。

ABSTRACT

We describe a new method for summarizing similarities and differences in a pair of related documents using a graph representation for text. Concepts denoted by words, phrases, and proper names in the document are represented positionally as nodes in the graph along with edges corresponding to semantic relations between items. Given a perspective in terms of which the pair of documents is to be summarized, the algorithm first uses a spreading activation technique to discover, in each document, nodes semantically related to the topic. The activated graphs of each document are then matched to yield a graph corresponding to similarities and differences between the pair, which is rendered in natural language. An evaluation of these techniques has been carried out.

研究の動機と目的

• 複数の関連するドキュメントの要約を可能にするために、その内容に含まれる類似点と相違点を特定すること。
• 語彙的重なりに依存するのではなく、概念間の意味的関係を捉えることにより、スケーラブルでドメインに依存しない要約手法を開発すること。
• ユーザーが定義したエントリポイントからの拡散活性化を用いてトピック固有のコンテキストを統合することで、要約の効果性を向上させること。
• グラフベースの技術が要約品質に与える影響、特にドキュメント間の顕著な相違点の同定に焦点を当て、その影響を評価すること。
• 意味的関係を有するグラフ表現が、従来の語句重み付け手法に比べてより正確で文脈に敏感な要約を生み出すことを実証すること。

提案手法

• ノードが概念（語、フレーズ、固有語彙）を表し、エッジが特殊化、共参照、関連性などの意味的またはトポロジカルな関係を表すグラフとしてテキストを表現する。
• ユーザーが定義したトピックノードから拡散活性化を適用し、リンクの種別とトピックからの距離に応じて、グラフ全体にわたって関連性を伝搬する。
• 2つの関連するドキュメントからの活性化された部分グラフをマッチングすることで、共通の概念と特異な概念を同定し、類似点と相違点の要約の根拠とする。
• 情報抽出と語彙リソース（例：WordNet）を組み合わせて、意味的関係を豊かにしたグラフを構築する。
• 要約は、最も顕著でトピック関連の高いノードを含む文を抽出することで生成され、現在の実装では文抽出に限定された合成処理が行われる。
• 要約品質の評価には、リtrieval性能（外在的評価）とユーザージャッジメント（内在的評価）の両方を用いる。

実験結果

リサーチクエスチョン

• RQ1 グラフベースの表現は、複数の関連するドキュメント間における類似点と相違点の同定をどのように改善するか？
• RQ2 トピックノードからの拡散活性化は、抽出された要約の関連性と品質をどの程度向上させるか？
• RQ3 グラフベース手法は、従来の語句頻度ベースの要約手法と比較して、トピック固有の相違点をどの程度正確に捉えられるか？
• RQ4 意味的関係と情報抽出を用いて、スケーラブルでドメインに依存しない要約システムを構築可能か？
• RQ5 グラフ構造と活性化伝搬の影響は、マルチドキュメント要約の実用的有用性にどのように現れるか？

主な発見

• FSD-Graphsにおける拡散活性化の使用は、類似点と相違点の両方の要約品質を顕著に向上させ、特に相違点の同定において最大の改善効果を示した。
• 拡散活性化を用いた要約は、平均して10%高い評価（1〜10のスケール）を得ており、特にトピック固有の相違点において顕著であった。
• 外在的評価では、要約が全文の長さのおよそ1/7（約85%の読破時間短縮）にまで短縮されたが、リtrieval性能（Fスコア = 32.36、p < 0.05）は維持された。
• ユーザーは、拡散ベースの要約がより有用であると評価し、トピック固有の関心に合致しており、ドキュメント間の相違点が明確に区別されているとフィードバックした。
• 語彙的重なりや語句頻度にのみ依存するベースライン手法に比べ、グラフベース手法が優れた性能を示し、要約における意味的構造の価値を実証した。
• 本手法は、ロイター社やニューヨーク・タイムズなどの多様な情報源からのニュース記事を含む、制限のないウェブテキストに対してもスケーラブルかつ効果的であることが確認された。