[論文レビュー] NPtool, a detector of English noun phrases

Atro Voutilainen|arXiv (Cornell University)|Feb 13, 1995

Natural Language Processing Techniques参考文献 9被引用数 70

ひとこと要約

NPtool は、詳細に手作業で作成された語彙と制約文法を用いて、英語の名詞句（NP）を規則に基づいて抽出する、意味素的構文に依存する名詞句検出ツールである。複雑な名詞句において、98.5–100%の再現率と95–98%の正確率を達成し、1%未満の誤り率と最小限の曖昧性を伴う構文解析を実現している。

ABSTRACT

NPtool is a fast and accurate system for extracting noun phrases from English texts for the purposes of e.g. information retrieval, translation unit discovery, and corpus studies. After a general introduction, the system architecture is presented in outline. Then follows an examination of a recently written Constraint Syntax. An evaluation report concludes the paper.

研究の動機と目的

• 情報抽出、翻訳単位の同定、コーパス研究を支援するため、英語テキストから名詞句を高速かつ正確に抽出するシステムの開発。
• 文法的曖昧性を最小限に抑えることで、高信頼性なランダムテキストの解析に挑戦する。
• 特に語彙的および構文的区別において、統計的手法に比べてルールベースの意味素的構文解析が、より高い曖昧性解消精度を示すことを実証する。
• 誤り伝播を最小限に抑えつつ、広域カバレッジを実現するモジュラーで拡張可能なアーキテクチャを提供する。

提案手法

• 品詞、屈折語形、派生語形、構文的タグ（例：@HEAD, @VERB, @>N）を含む、手作業でコーディングされた意味的に豊富な語彙を採用。
• 頭語修飾語関係と文法的制約を表現するため、制約文法フレームワークを用いる。具体的には、前置修飾語と後置修飾語の語順ルールを含む。
• 有限状態オートマトンを用いてランダムテキストを解析し、統計モデルに依存せず、文脈に依存するルールによって曖昧性を解消する。
• NPに特化したルールの影響を分離するために、「NPニュートラル」バージョンのパーサーを用いる。
• 頭語修飾語関係と依存構造に焦点を当てた、モジュラーで還元主義的な意味素的構文解析アプローチを採用。
• 約20,000語の手動検証により、高い評価者間一致度（最大95%）と、構文解析およびNP検出における低い誤り率が確認された。

実験結果

リサーチクエスチョン

• RQ1 ルールベースの意味素的構文解析パーサーは、統計的手法に比べて、名詞句検出および曖昧性解消の精度をより高めることができるか？
• RQ2 統計モデルに依存せずに、制約文法アプローチがランダムテキストにおける文法的曖昧性をどの程度低減できるか？
• RQ3 手作業で作成され、言語学的に動機づけられた語彙は、広域カバレッジと高精度なNP抽出をどの程度支援できるか？
• RQ4 前置修飾語、後置修飾語、並列構造を含む複雑な名詞句に対して、このシステムの性能はいかがなものか？

主な発見

• NPtool は、任意の協調構造、前置修飾語、後置修飾語を含む複雑な名詞句に対し、98.5–100%の再現率と95–98%の正確率を達成している。
• 解析後、1%未満の語が文法的に曖昧であり、20,000–30,000語の手動レビューにおいて誤り率は1%未満である。
• 文の2%未満が10個以上の解釈を持つだけであり、最大の曖昧性は72通りの解析に起因しており、強力な曖昧性解消性能を示している。
• ENGCGパーサーと比較して、このシステムは曇りなく曇りを減らしている。ENGCGパーサーは、高すぎる解釈数のため23.5%の文が曇っている。
• NPニュートラルパーサーのバージョンでは、64%の文が解析後に曇らなくなることが示され、2%未満の文が10個以上の解釈を持つにとどまっている。
• システムは、97%を超える適切な意味素的構文記述を正しく同定しており、単独の語彙確率モデルに比べて顕著に優れている。