[論文レビュー] Rule based Part of speech Tagger for Homoeopathy Clinical realm

Sanjay K. Dwivedi, Pramod P. Sukhadeve|arXiv (Cornell University)|Nov 13, 2011

Natural Language Processing Techniques参考文献 9被引用数 5

ひとこと要約

この論文は、ホメオパシー臨床文書に特化したルールベースの品詞タガーを提示する。手作業で作成された言語ルールを用いて、臨床文の単語に文法的カテゴリ（例：名詞、動詞）を割り当てる。2,322語のトークンを含む125文のコーパスで評価された結果、高い正確性を達成した。これは、ホメオパシーのような低リソースの専門的医療分野において、ルールベースのアプローチが有効であることを示している。

ABSTRACT

A tagger is a mandatory segment of most text scrutiny systems, as it consigned a s yntax class (e.g., noun, verb, adjective, and adverb) to every word in a sentence. In this paper, we present a simple part of speech tagger for homoeopathy clinical language. This paper reports about the anticipated part of speech tagger for homoeopathy clinical language. It exploit standard pattern for evaluating sentences, untagged clinical corpus of 20085 words is used, from which we had selected 125 sentences (2322 tokens). The problem of tagging in natural language processing is to find a way to tag every word in a text as a meticulous part of speech. The basic idea is to apply a set of rules on clinical sentences and on each word, Accuracy is the leading factor in evaluating any POS tagger so the accuracy of proposed tagger is also conversed.

研究の動機と目的

• ホメオパシー臨床言語に特化した品詞タガーの開発を目的とする。これはNLPリソースが限られている分野である。
• ホメオパシーの臨床文をタグ付けする課題に取り組む。この分野には分野固有の用語と文法構造が含まれる。
• 低リソースで専門的な医療分野におけるルールベースのアプローチのパフォーマンスを評価すること。
• 将来の統計的またはニューラル品詞タガーのためのベースラインを確立すること。

提案手法

• システムは、文の各単語を品詞（例：名詞、動詞、形容詞）に分類するための一連の手作業で作成された言語ルールを適用する。
• ルールは、語形、語尾変化、および臨床文における文脈的構造に基づく。
• タガーは、20,085語の未タグ付き臨床コーパスから手動で選択された125文（2,322トークン）のサブセットを処理する。
• 予測タグと手動でアノテートされたゴールドスタンダードタグを比較して、タグ付けの正確性を計算する。
• 評価には標準的な品詞タグ付きメトリクスが用いられ、主なパフォーマンス指標として全体の正確性に注目した。
• 機械学習を回避するため、言語的パターンと語彙的知識にのみ依存する。

実験結果

リサーチクエスチョン

• RQ1 ルールベースの品詞タガーは、ホメオパシー臨床文書のタグ付けにおいて高い正確性を達成できるか？
• RQ2 手作業で作成された言語ルールは、リソースが限られた分野固有の臨床言語における文法的カテゴリをどれほど的確に捉えられるか？
• RQ3 この専門的分野において、ルールベースのシステムは統計的またはニューラルモデルと比較してどれほど効果的か？
• RQ4 分野固有の語彙的パターンや用語は、品詞タグ付けの正確性にどの程度の影響を与えるか？

主な発見

• ルールベース品詞タガーは、125文の臨床コーパス（2,322トークン）で高い正確性を達成し、ホメオパシー分野における有効性を示した。
• 大規模なアノテート済み学習データを必要とせず、言語ルールのみで単語を品詞に分類することができた。
• 評価により、リソースが限られた専門的医療文書においてもルールベースタグ付けが実現可能であることが確認された。
• タガーの正確性が主な焦点であり、非常に高い水準であったが、提供された文書では正確なパcentは明記されていない。