[論文レビュー] Persian Rhetorical Structure Theory

Sara Shahmohammadi, Hadi Veisi+1 more|arXiv (Cornell University)|Jun 25, 2021

Natural Language Processing Techniques参考文献 24被引用数 7

ひとこと要約

本稿では、英語のRSTディスcourseツリー銀行のガイドラインに基づき、18の話説的関係を用いて、150編のジャーナリスティック・テキストから構成される話説的アノテート済みペルシャ語コーパスを提示する。Rhetorical Structure Theory (RST) を用い、DPLPフレームワーク上に構築された大マージン遷移ベースのアプローチを用いたテキストレベル話説的パーサーを提案し、スパン検出で78%、核性で64%、関係検出で44%のF1スコアを達成した。

ABSTRACT

Over the past years, interest in discourse analysis and discourse parsing has steadily grown, and many discourse-annotated corpora and, as a result, discourse parsers have been built. In this paper, we present a discourse-annotated corpus for the Persian language built in the framework of Rhetorical Structure Theory as well as a discourse parser built upon the DPLP parser, an open-source discourse parser. Our corpus consists of 150 journalistic texts, each text having an average of around 400 words. Corpus texts were annotated using 18 discourse relations and based on the annotation guideline of the English RST Discourse Treebank corpus. Our text-level discourse parser is trained using gold segmentation and is built upon the DPLP discourse parser, which uses a large-margin transition-based approach to solve the problem of discourse parsing. The performance of our discourse parser in span (S), nuclearity (N) and relation (R) detection is around 78%, 64%, 44% respectively, in terms of F1 measure.

研究の動機と目的

• ペルシャ語における話説的アノテート済みコーパスをRhetorical Structure Theory (RST) フレームワーク内で開発すること。
• 特に話説的パーサーの文脈において、ペルシャ語のアノテート済み話説的リソースの不足に対処すること。
• DPLPフレームワーク上に、大マージン遷移ベースの手法を用いてペルシャ語の話説的パーサーを構築すること。
• スパン、核性、関係検出の各タスクにおけるパーサーのパフォーマンスを評価すること。
• ペルシャ語NLP研究に貢献するゴールドスタンダードのアノテート済みコーパスとトレーニング可能な話説的パーサーを提供すること。

提案手法

• コーパスは、平均して約400語の150編のジャーナリスティック・テキストをRSTフレームワークを用いて構築した。
• 話説的関係は、英語のRSTディスコースツリー銀行のアノテーションガイドラインに基づき、18種類の関係タイプを用いてアノテートされた。
• 話説的パーサーは、大マージン遷移ベースの学習アプローチを採用するDPLPパーサーに基づいて構築された。
• パーサーはゴールドスタンダードのセグメンテーションを用いてトレーニングされ、パースィング精度が向上した。
• システムは、統合的なパースィングフレームワーク内でスパン検出、核性分類、関係検出を実行する。
• パフォーマンス評価は、スパン、核性、関係予測の各タスクにおけるF1測定値を用いて実施された。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてRhetorical Structure Theoryフレームワークを用いて、ペルシャ語の話説的アノテート済みコーパスを体系的に構築できるか？
• RQ2 ペルシャ語テキストでトレーニングされた話説的パーサーは、スパン、核性、関係検出の各タスクでどれほど高いパフォーマンスを達成できるか？
• RQ3 DPLPパーサーのフレームワークは、英語ベースのシステムと同等のパフォーマンスを得るためにペルシャ語に効果的に適応可能か？
• RQ4 RSTをペルシャ語の話説的分析に適用するにあたり、どのような課題が生じ、それらがアノテーションの一貫性とパーサーの正確性にどのように影響するか？
• RQ5 提案されたパーサーのパフォーマンス指標は、リソースが限られる状況下での既存の話説的パーサーと比較してどうなるか？

主な発見

• 提案された話説的パーサーは、スパン検出で78%のF1スコアを達成し、話説的セグメントの同定において優れた性能を示した。
• 核性分類では64%のF1スコアを達成し、話説的ユニットの階層的構造を決定する上で中程度の正確性を示した。
• 関係検出タスクでは44%のF1スコアを達成し、3つのパーサー構成要因の中で最も困難な課題であった。
• コーパスは150編のジャーナリスティック・テキストから構成され、各テキストの平均は約400語であり、ペルシャ語の話説的分析に向けた実用的なリソースを提供した。
• アノテーションプロセスでは18種類の話説的関係が使用され、英語のRSTディスコースツリー銀行のガイドラインと整合させることで、一貫性と比較可能性が保証された。
• 本研究は、移譲可能なパーサーのフレームワークを用いて、ペルシャ語にRSTベースの話説的パーサーを適用することが可能であることを示した。