[論文レビュー] Network analysis of named entity interactions in written texts

Diego R. Amancio|arXiv (Cornell University)|Sep 17, 2015

Advanced Text Analysis Techniques参考文献 4被引用数 3

ひとこと要約

本稿では、同じ文脈に共起する固有表現（例：登場人物、場所、組織）をリンクさせることで、文章の構造的特徴を明らかにするネットワークモデルを提案する。小説を対象として分析した結果、短い最短経路長、高いクラスタリング係数、モジュラー構造が明らかとなり、未知の参照を特定する際、従来の語の隣接ネットワークを上回る性能を示した。

ABSTRACT

The use of methods borrowed from statistics and physics has allowed for the discovery of unprecedent patterns of human behavior and cognition by establishing links between models features and language structure. While current models have been useful to identify patterns via analysis of syntactical and semantical networks, only a few works have probed the relevance of investigating the structure arising from the relationship between relevant entities such as characters, locations and organizations. In this study, we introduce a model that links entities appearing in the same context in order to capture the complexity of entities organization through a networked representation. Computational simulations in books revealed that the proposed model displays interesting topological features, such as short typical shortest path length, high values of clustering coefficient and modular organization. The effectiveness of the our model was verified in a practical pattern recognition task in real networks. When compared with the traditional word adjacency networks, our model displayed optimized results in identifying unknown references in texts. Because the proposed model plays a complementary role in characterizing unstructured documents via topological analysis of named entities, we believe that it could be useful to improve the characterization written texts when combined with other traditional approaches based on statistical and deeper paradigms.

研究の動機と目的

• ネットワーク解析を用いて、書かれた文章における固有表現の構造的組織を調査すること。
• 従来のモデルが文法的または意味的ネットワークに焦点を当てているのに対し、固有表現同士の相互作用に焦点を当てないという限界を是正すること。
• 文脈的関係を捉えることで、テキストの特徴抽出を向上させるネットワークモデルを開発すること。
• 本モデルが非構造的テキストにおける未知の参照特定の有効性を評価すること。

提案手法

• ノードが固有表現（例：登場人物、場所、組織）を表し、同じ文脈内で共起する場合にエッジが形成されるネットワークを構築する。
• 小説コーパスを用いた計算シミュレーションにより、最短経路長、クラスタリング係数、モジュラリティなどのトポロジー的性質を分析する。
• 本モデルを実世界のテキスト解析タスク、特に未知の参照解消を含むパターン認識に適用する。
• 未知の参照を特定する際の性能を、従来の語の隣接ネットワークと比較する。
• トポロジー的指標を用いて、固有表現ネットワークの構造的複雑性と組織性を評価する。
• 統計的・深層学習的手法と併用する補完的ツールとして本モデルを統合する。

実験結果

リサーチクエスチョン

• RQ1 固有表現同士の相互作用は、どのように書かれた文章内で構造的ネットワークを形成するか？
• RQ2 テクスト的文脈における固有表現の共起をモデル化した際、どのようなトポロジー的特徴が生じるか？
• RQ3 本モデルは、語の隣接ネットワークと比較して、未知の参照特定においてどのように優れているか？
• RQ4 固有表現のネットワーク構造は、文の背後にある組織的構造をどの程度反映しているか？
• RQ5 従来の手法と組み合わせた場合、本モデルは非構造的ドキュメントの特徴抽出をどの程度向上できるか？

主な発見

• 提案モデルは、典型的な最短経路長が短いネットワークを生成しており、固有表現間の効率的な接続性を示している。
• 高いクラスタリング係数は、固有表現同士の強い局所的結束性を示しており、テーマ的または物語的グループを反映している。
• ネットワークはモジュラー構造を示しており、関連する固有表現の明確なクラスタが存在することを示しており、物語の副プロットやテーマ的セクションに対応している可能性が高い。
• 本モデルは、テキストにおける未知の参照特定において、従来の語の隣接ネットワークを上回る性能を示しており、パターン認識能力の向上が確認された。
• 短い経路、高いクラスタリング係数、モジュラリティといったトポロジー的特徴は、固有表現の関係に複雑で非ランダムな組織が存在することを示している。
• 本モデルは、統計的および深層学習モデルと併用することで補完的アプローチとして機能し、固有表現の構造的分析によってテキストの特徴抽出を強化する。