[論文レビュー] Persian Wordnet Construction using Supervised Learning

Zahra Mousavi, Heshaam Faili|arXiv (Cornell University)|Apr 11, 2017

Natural Language Processing Techniques被引用数 3

ひとこと要約

本稿では、二語対訳辞書とペルシャ語コーパスを用いてペルシャ語の語をプリンストン・ワードネットのシングレットにリンクさせることで、自動的にペルシャ語ワードネットを構築する教師あり機械学習手法を提示する。FarsNetを正例として用いて学習された、7つの特徴を有する分類器は91.18%の精度を達成し、16,000語を超える語と22,000のシングレットを含むワードネットを構築した。これはペルシャ語ワードネット構築分野における最先端のパフォーマンスを示している。

ABSTRACT

This paper presents an automated supervised method for Persian wordnet construction. Using a Persian corpus and a bi-lingual dictionary, the initial links between Persian words and Princeton WordNet synsets have been generated. These links will be discriminated later as correct or incorrect by employing seven features in a trained classification system. The whole method is just a classification system, which has been trained on a train set containing FarsNet as a set of correct instances. State of the art results on the automatically derived Persian wordnet is achieved. The resulted wordnet with a precision of 91.18% includes more than 16,000 words and 22,000 synsets.

研究の動機と目的

• ペルシャ語向けの大規模かつ高精度な語彙的リソースの不足に対処し、包括的なペルシャ語ワードネットを構築すること。
• 教師あり学習を用いてペルシャ語の語をプリンストン・ワードネットのシングレットに自動的に対応付けること。
• 手作業やルールベースの手法を超えて、ペルシャ語ワードネット構築の効率性とスケーラビリティを向上させること。
• トレーニング可能な分類システムを用いて、ペルシャ語ワードネット構築分野における最先端のパフォーマンスを達成すること。

提案手法

• ペルシャ語コーパスと二語対訳辞書を用いて、初期の語-シングレット対応を生成し、ペルシャ語の語をプリンストン・ワードネットのシングレットにマッピングする。
• 各候補となる語-シングレットペアを表すために、7つの言語的および分布的特徴が抽出される。
• FarsNetが正しいリンクのゴールドスタンダードとして機能するラベル付き学習データセット上で、教師あり分類モデルを学習する。
• 学習済みの分類器は、正しい対応と誤った対応を区別し、初期のリンク集合を精錬する。
• 本手法は特徴工学と教師あり学習に依存しており、人的アノテーションの負荷を最小限に抑える。
• 最終的なワードネットは、学習済み分類器の予測結果を用いて初期リンクをフィルタリングすることで構築される。

実験結果

リサーチクエスチョン

• RQ1 教師あり学習手法は、高精度なペルシャ語ワードネットの自動構築を効果的に行えるか？
• RQ2 FarsNetで学習された分類器は、未知のペルシャ語の語-シングレットペアにどの程度一般化できるか？
• RQ3 ペルシャ語における正しい対応と誤った対応を区別する際に、最適なパフォーマンスを発揮する特徴の組み合わせは何か？
• RQ4 人的アノテーションを大幅に減らす前提で、二語対訳辞書と単言語コーパスは、自動ワードネット構築をどの程度支援できるか？
• RQ5 この手法を用いた自動構築されたペルシャ語ワードネットの達成可能な精度とカバレッジはどの程度か？

主な発見

• 提案手法は、自動構築されたペルシャ語ワードネットにおいて91.18%の精度を達成した。
• 最終的なワードネットには16,000語を超える語と22,000のシングレットが含まれており、高いカバレッジを示している。
• 教師あり分類器に手作業で設計された7つの特徴を用いることで、ベースライン手法よりも顕著に対応精度が向上した。
• 本手法は従来のアプローチを上回り、ペルシャ語ワードネット構築分野における新たな最先端のパフォーマンスを確立した。
• FarsNetは、分類器の学習に効果的なゴールドスタンダードとして機能し、高品質な自動拡張を可能にした。
• 本手法は人的アノテーションの必要性を顕著に低減し、スケーラブルで効率的なワードネット構築を実現した。