[論文レビュー] That's sick dude!: Automatic identification of word sense change across different timescales

Sunny Mitra, Ritwik Mitra+4 more|arXiv (Cornell University)|May 17, 2014

Natural Language Processing Techniques参考文献 24被引用数 6

ひとこと要約

本稿では、時間的変動する分散類義語ネットワークを用いて、歴史的テキストデータにおける名詞の意味変化を教師なしで検出する手法を提示する。異なる時刻における意味クラスタをクラスタリングし、それらを比較することで、意味の出現、分裂、統合、消滅を同定する。新規意味の検出において60.4%の正確性を達成し、WordNetとの一致率は新規・分裂・統合された意味の文脈で44–46%であった。

ABSTRACT

In this paper, we propose an unsupervised method to identify noun sense changes based on rigorous analysis of time-varying text data available in the form of millions of digitized books. We construct distributional thesauri based networks from data at different time points and cluster each of them separately to obtain word-centric sense clusters corresponding to the different time points. Subsequently, we compare these sense clusters of two different time points to find if (i) there is birth of a new sense or (ii) if an older sense has got split into more than one sense or (iii) if a newer sense has been formed from the joining of older senses or (iv) if a particular sense has died. We conduct a thorough evaluation of the proposed methodology both manually as well as through comparison with WordNet. Manual evaluation indicates that the algorithm could correctly identify 60.4% birth cases from a set of 48 randomly picked samples and 57% split/join cases from a set of 21 randomly picked samples. Remarkably, in 44% cases the birth of a novel sense is attested by WordNet, while in 46% cases and 43% cases split and join are respectively confirmed by WordNet. Our approach can be applied for lexicography, as well as for applications like word sense disambiguation or semantic search.

研究の動機と目的

• 大規模なデジタル化されたテキストコーパスにおける時間的意味変化を検出する教師なし手法の開発。
• 時間別に分散類義語ネットワークを構築することで、意味の時間的変遷をモデル化する。
• 意味変化の4種類を同定する：新規意味の出現、旧来的な意味の分裂、複数の意味の統合、意味の消滅。
• 手動評価およびWordNetやスラング辞書との比較を通じて、手法の評価。
• 語彙的キュレーションの支援および、意味の明確化や意味検索などのNLP応用の改善。

提案手法

• 8つの明確に区別された時間窓にわたるデジタル化された書籍から、時間的変動する共起ネットワークを構築する。
• 各時間窓ごとに、語の共起パターンを用いて分散類義語ネットワークを構築する。
• 各時間別ネットワークに対してグラフクラスタリングを適用し、語中心の意味クラスタを抽出する。
• 2つの時間点における意味クラスタを比較することで、意味変化（出現、分裂、統合、消滅）を検出する。
• 候補となる意味変化の外部妥当性の確認に、WordNetおよびスラング辞書を用いる。
• ランダムに抽出されたケースを対象に手動評価を実施し、検出の正確性を評価する。

実験結果

リサーチクエスチョン

• RQ1 教師なし手法は、歴史的テキストコーパスにおいて新規意味の出現をどの程度正確に検出できるか？
• RQ2 分裂、統合、消滅といった検出された意味変化が、WordNetのような既存の語彙的リソースとどの程度一致するか？
• RQ3 本手法は、スラング辞書などの非公式言語リソースに記録された新規意味を同定できるか？
• RQ4 分散パターンのみを用いて、複数の時間スケールにわたる意味変化の検出はどの程度有効か？
• RQ5 時間的クラスタリングと比較が、名詞における意味的進化の同定に与える影響は何か？

主な発見

• 48件のサンプルから手動で新規意味の出現を同定した際、本手法は60.4%の正確性を達成した。
• 21件のランダムに抽出されたインスタンスから、分裂イベントに関して57%の正答率を示した。
• 検出された新規意味の44%がWordNetで確認され、既存の語彙的リソースと強い整合性を示した。
• WordNetは、アルゴリズムが検出した分裂イベントの46%と統合イベントの43%を確認しており、伝統的な語彙データベースと広範な一貫性を示した。
• 2002–2005年のスラングリストから25語のスラング語を効果的に同定し、非公式かつ新規の語の使用に敏感であることを示した。
• 検出された意味変化の約半数がWordNetで既に認識されていることから、語彙的リソースの保守に本手法が有用であることが示唆された。