[論文レビュー] RDF2PT: Generating Brazilian Portuguese Texts from RDF Data

Diego Moussallem, Thiago Castro Ferreira+5 more|arXiv (Cornell University)|Feb 22, 2018

Natural Language Processing Techniques参考文献 39被引用数 6

ひとこと要約

RDF2PT は、オントロジー駆動の語彙化を用いて、RDF データから流暢で人間らしいブラジルポルトガル語の文章を生成するルールベースのアプローチである。44名のネイティブスピーカーによるアンケート評価を通じて、高い流暢さと理解可能性が確認され、リソースが限られる言語（例えばポルトガル語）における NLG の強力な可能性を示している。

ABSTRACT

The generation of natural language from Resource Description Framework (RDF) data has recently gained significant attention due to the continuous growth of Linked Data. A number of these approaches generate natural language in languages other than English, however, no work has been proposed to generate Brazilian Portuguese texts out of RDF. We address this research gap by presenting RDF2PT, an approach that verbalizes RDF data to Brazilian Portuguese language. We evaluated RDF2PT in an open questionnaire with 44 native speakers divided into experts and non-experts. Our results suggest that RDF2PT is able to generate text which is similar to that generated by humans and can hence be easily understood.

研究の動機と目的

• 構造化された RDF データからブラジルポルトガル語への自然言語生成（NLG）システムの不足に対処すること。
• RDF トリプルから文法的に正しいかつ流暢なブラジルポルトガル語の文章を生成する語彙化アプローチを開発すること。
• 制御されたアンケートを通じて、ネイティブスピーカーを対象に、生成された文章の品質を人間が書いた参照文と比較して評価すること。
• NER や EL タスクのための銀標準データセット作成や、ポルトガル語での自己評価型 QA システムの構築といった実用的応用を可能にすること。
• 性別一致、並列構造、接続節の処理における課題を特定し、将来の機械学習による改善に向けた指針を示すこと。

提案手法

• RDF トリプルをブラジルポルトガル語の自然言語文に変換するルールベースの語彙化パイプラインを活用する。
• オントロジーの用語と述語を用いて語彙選択と文構造をガイドし、意味の整合性を保つ。
• ブラジルポルトガル語の文法に従い、性別・数・語順の一致を文法ルールで適用する。
• 実現に SimpleNLG や、ポルトガル語の文法に特化した文法テンプレートといった言語資源を活用する。
• BENGAL や GERBIL といった既存のフレームワークと統合し、NER や EL 評価のための銀標準データセットを生成する。
• ネイティブのブラジルポルトガル語話者（専門家および非専門家）を対象にしたアンケート評価を用い、流暢さと人間らしい自然さを評価する。

実験結果

リサーチクエスチョン

• RQ1 ルールベースの NLG システムは、RDF データからネイティブのブラジルポルトガル語話者にとって流暢で理解しやすい文章を生成できるか？
• RQ2 RDF2PT が生成する文章の質は、人間が書いた文章と比較して、流暢さと明確さの面でどの程度高いか？
• RQ3 RDF から文法的に正しいかつ自然なブラジルポルトガル語の文章を生成するうえで、主な課題は何か？
• RQ4 RDF2PT は、ブラジルポルトガル語における NER や EL のためのベンチマークデータセット作成をどの程度支援できるか？
• RQ5 機械学習を活用することで、ポルトガル語の NLG 出力における性別一致や接続節の処理をどのように改善できるか？

主な発見

• RDF2PT が生成する文章は、ネイティブのブラジルポルトガル語話者からも流暢で明確であると評価され、人間が書いた文章と同等の水準に達している。
• 44名のネイティブスピーカーを対象に実施したアンケート評価で、生成出力の高い人間らしい自然さが確認された。
• 主な課題として、誤った性別・数の一致（例：'uns obra' ではなく 'uma obra'）や、接続節の代わりに並列接続詞の過剰使用が挙げられる。
• オントロジーのラベルが曖昧または誤ってラベル付けされている場合、システムは語彙化に失敗する。これは、述語からの文脈情報がなく、単にラベルに依存しているためである。
• 並列文（例：'Albert Einstein foi um cientista e ele nasceu em Ulm'）は、接続節（例：'um cientista que nasceu em Ulm'）よりも、機械生成であるとより明確に識別された。
• 本アプローチにより、NER や EL タスクのための銀標準データセットを自動的に作成でき、GERBIL でマルチリンガルエンティティリンクングシステムの評価に成功して使用された。