[論文レビュー] Possibilistic Pertinence Feedback and Semantic Networks for Goal's Extraction

Mohamed Nazih Omri|arXiv (Cornell University)|Jun 5, 2012

Multi-Criteria Decision Making参考文献 15被引用数 6

ひとこと要約

本稿では、意味的ネットワークと統合された可能性論的関連性フィードバック機構を提案し、初心者ユーザーの曖昧なクエリからの目的抽出を改善する。確率論ではなく可能性論を活用することで、不確実性の処理における耐性を高め、ユーザーフィードバックによる関連性の精錬において、確率的手法を上回る優れた有効性を示している。

ABSTRACT

Pertinence Feedback is a technique that enables a user to interactively express his information requirement by modifying his original query formulation with further information. This information is provided by explicitly confirming the pertinent of some indicating objects and/or goals extracted by the system. Obviously the user cannot mark objects and/or goals as pertinent until some are extracted, so the first search has to be initiated by a query and the initial query specification has to be good enough to pick out some pertinent objects and/or goals from the Semantic Network. In this paper we present a short survey of fuzzy and Semantic approaches to Knowledge Extraction. The goal of such approaches is to define flexible Knowledge Extraction Systems able to deal with the inherent vagueness and uncertainty of the Extraction process. It has long been recognised that interactivity improves the effectiveness of Knowledge Extraction systems. Novice user's queries are the most natural and interactive medium of communication and recent progress in recognition is making it possible to build systems that interact with the user. However, given the typical novice user's queries submitted to Knowledge Extraction Systems, it is easy to imagine that the effects of goal recognition errors in novice user's queries must be severely destructive on the system's effectiveness. The experimental work reported in this paper shows that the use of possibility theory in classical Knowledge Extraction techniques for novice user's query processing is more robust than the use of the probability theory. Moreover, both possibilistic and probabilistic pertinence feedback can be effectively employed to improve the effectiveness of novice user's query processing.

研究の動機と目的

• 初心者ユーザーが提出する曖昧で曖昧なクエリからの目的抽出の課題に対処すること。
• ユーザークエリに内在する不確実性と曖昧性に対処するにあたり、知識抽出システムの耐性を高めること。
• 関連性フィードバックにおける可能性論が、確率論に比べてより高い耐性を示すかどうかを評価すること。
• 意味的ネットワークと可能性論的フィードバックを統合し、抽出された目的の正確性と関連性を向上させること。
• ユーザーポジティブフィードバックによる対話的フィードバックが、目的抽出の精錬にどのように寄与するかを検証すること。

提案手法

• 不確実性と関連性判断のモデル化に可能性論を用い、確率論に代わるより耐障害性の高い代替手法を提供する。
• 意味的ネットワークを用いて、関心分野の概念、関係、目的を表現・推論する。
• ユーザーユーザーが関連するオブジェクトや目的を確認するフィードバックループを導入し、これによりクエリを精錬し、結果を改善する。
• 可能性論的関連性フィードバックを適用し、ユーザーフィードバックに基づいて候補となる目的の信念度を更新し、関連性スコアを調整する。
• ファジィ論理と意味的推論を統合し、非構造的または曖昧なクエリから目的を抽出する。
• 二段階プロセスを採用する：初期クエリ検索にシードクエリを用い、その後、ユーザーフィードバックと可能性に基づく再重み付けによる反復的精錬。

実験結果

リサーチクエスチョン

• RQ1 可能性論は、確率論に比べて、目的抽出における不確実性の処理においてより高い耐障害性を示せるか？
• RQ2 可能性論的関連性フィードバックは、初心者ユーザーのクエリからの目的抽出の関連性をどの程度向上させられるか？
• RQ3 曖昧なクエリの存在下で、意味的ネットワークは目的抽出の解釈可能性と正確性をどの程度向上させるか？
• RQ4 ユーザーフィードバックは、曖昧で不確実な環境下で、目的候補の精錬にどのような影響を及ぼすか？
• RQ5 可能性論と意味的ネットワークの統合は、対話的知識抽出において実現可能で効果的か？

主な発見

• 可能性論に基づく関連性フィードバックは、ユーザークエリの不確実性と曖昧性の処理において、確率的手法よりも高い耐障害性を示した。
• 意味的ネットワークと可能性論的フィードバックの統合により、曖昧なクエリからの関連する目的抽出能力が著しく向上した。
• ユーザーフィードバックは、候補となる目的の関連性を効果的に精錬した。可能性論的モデルは、より良い収束性と安定性を示した。
• 本手法は、初心者ユーザーのクエリにおける目的認識エラーの悪影響を低減し、全体的なシステム効果性を向上させた。
• 実験結果から、可能性論的フレームワークは、確率的対比手法に比べて耐障害性と信頼性の面で優れていることが確認された。
• 意味的推論と可能性論的フィードバックの組み合わせのおかげで、曖昧または不完全なクエリからも、意味のある目的を効果的に抽出できた。