[論文レビュー] Thai Rhetorical Structure Analysis

Somnuk Sinthupoun|arXiv (Cornell University)|Jan 1, 2009

Natural Language Processing Techniques参考文献 20被引用数 5

ひとこと要約

本稿では、EDUの分割に隠れマルコフモデル（HMM）を、RSツリー構築に意味的ルールに基づくクラスタリングを、議論的関係分類にC5.0意思決定木を組み合わせた、新しいタイ語の修辞的構造解析フレームワークを提案する。RSツリー構築では95.21%の精度と94.90%の再現率を達成し、議論的関係同定では85.09%の正解率を示し、特にマーカーを含む関係で顕著な性能を発揮した。

ABSTRACT

Rhetorical structure analysis (RSA) explores discourse relations among elementary discourse units (EDUs) in a text. It is very useful in many text processing tasks employing relationships among EDUs such as text understanding, summarization, and question-answering. Thai language with its distinctive linguistic characteristics requires a unique technique. This article proposes an approach for Thai rhetorical structure analysis. First, EDUs are segmented by two hidden Markov models derived from syntactic rules. A rhetorical structure tree is constructed from a clustering technique with its similarity measure derived from Thai semantic rules. Then, a decision tree whose features derived from the semantic rules is used to determine discourse relations.

研究の動機と目的

• タイ語に標準的な句読点が存在しないため、明確なEDU境界が欠如している問題に対処すること。
• 構成要素の省略、暗黙のマーカー、曖昧な隣接マーカーといった、タイ語の議論的分析における課題を克服すること。
• タイ語の文法的・意味的特徴に適合した、堅牢な修辞的構造解析パイプラインの開発。
• 正確な議論的関係モデリングにより、タイ語のテキスト理解、要約、質問応答システムの向上。

提案手法

• 品詞列に基づくフレーズ分割用と、フレーズレベルの配置に基づくEDU分割用の2つの隠れマルコフモデルを訓練した。
• タイ語の意味的ルールに基づく類似度測定を用いた階層的クラスタリングアルゴリズムにより、EDUを修辞的構造ツリーにグループ化した。
• RSツリー構築には、比較検証された手法の中で最高のパフォーマンスを示した、重みなし算術平均クラスタリングを採用した。
• 主題、目的語、前置詞、核構造、マーカーの有無などの文脈的特徴を用いて、C5.0意思決定木を訓練し、EDU間の議論的関係を分類した。
• 主語、目的語、前置詞の有無、およびマーカーの位置を含む特徴を、先行的および後行的EDUから抽出した。
• システムの評価は、欠損、繰返し、家族法文書の3つのデータセットで実施し、関係分類のための手動アノテーションとして624組のEDU/関係ペアを用意した。

実験結果

リサーチクエスチョン

• RQ1 句読点や文法的マーカーが欠如するタイ語テキストにおいて、どのようにして基本的議論単位（EDU）を効果的に分割できるか？
• RQ2 タイ語の意味的ルールに基づく類似度測定と組み合わせた、どのクラスタリング手法が、最も正確な修辞的構造ツリー構築を実現するか？
• RQ3 議論的マーカーが欠落している状況でも、文脈的特徴を用いてタイ語の議論的関係をどの程度正確に予測できるか？
• RQ4 主語/目的語の有無、核構造、マーカー位置といった特徴は、タイ語における正確な議論的関係分類にどのように寄与するか？

主な発見

• 重みなし算術平均クラスタリング手法は、RSツリー構築において最高のパフォーマンスを示し、家族法文書データセットで94.90%の再現率と95.21%の精度を達成した。
• 2つのHMMを用いたEDU分割は、85.3%の再現率と94.2%の精度を達成し、タイ語に句読点がないにもかかわらず、強力な有効性を示した。
• C5.0意思決定木を用いた議論的関係分類は、マーカーを含むEDUペアで85.09%の正解率、マーカーなしでは82.81%の正解率を達成し、感度分析でマーカー関連特徴が最も高い感度を示した。
• 最も高い正解率は「説明」関係（100.00%）と「選択肢」（97.70%）で達成されたが、「例示」と「時間」関係では低い性能を示し、これらのタイプの検出に課題があることが示された。
• 議論的マーカーの存在が分類精度を顕著に向上させ、特に「合意」および「選択肢」関係ではマーカーが存在する際に98%以上の正解率を達成した。
• 感度分析により、マーカー関連特徴が議論的関係予測において最も影響力が強いことが確認され、タイ語において頻繁に省略されるにもかかわらず、その重要性が強調された。