[論文レビュー] The Grammar of Sense: Is word-sense tagging much more than part-of-speech tagging?

Yorick Wilks, Mark Stevenson|ArXiv.org|Jul 26, 1996

Natural Language Processing Techniques参考文献 15被引用数 57

ひとこと要約

本稿では、Longman Dictionary of Contemporary English (LDOCE) の品詞（POS）タグのみを用いて、大規模な意味素タグ付け（LAST）を高精度・低複雑性で行う手法を提案する。開封語に対して92%の成功を達成した。品詞情報のみが、特に同音異義語レベルで意味の違いの大部分を捉えられることを示し、膨大な世界知識や複雑なモデルを必要とせず、意味の曖昧除去の計算的に効率的な基盤を提供する。

ABSTRACT

This squib claims that Large-scale Automatic Sense Tagging of text (LAST) can be done at a high-level of accuracy and with far less complexity and computational effort than has been believed until now. Moreover, it can be done for all open class words, and not just carefully selected opposed pairs as in some recent work. We describe two experiments: one exploring the amount of information relevant to sense disambiguation which is contained in the part-of-speech field of entries in Longman Dictionary of Contemporary English (LDOCE). Another, more practical, experiment attempts sense disambiguation of all open class words in a text assigning LDOCE homographs as sense tags using only part-of-speech information. We report that 92% of open class words can be successfully tagged in this way. We plan to extend this work and to implement an improved large-scale tagger, a description of which is included here.

研究の動機と目的

• 品詞タグのみで高精度の大規模意味素タグ付け（LAST）が可能かどうかを調査すること。これは、意味の曖昧除去に複雑な世界知識や広範な文脈を必要とするという仮定に挑戦することを目的とする。
• LDOCEにおける意味の違いが、語のエントリの品詞フィールドにどの程度エンコードされているかを評価すること。特に同音異義語に対して焦点を当てる。
• 品詞に基づく単純で計算的に効率的な手法が、特定の語のペアに限らず、すべての開封語に対して高いカバレッジと正確性を達成できるかどうかを示すこと。
• 複数の情報源を統合するパイプラインベースの意味の曖昧除去システムの基盤を築くこと。その情報源には、品詞、実用的コード、例文、最適化技術が含まれる。

提案手法

• 本手法は、Longman Dictionary of Contemporary English (LDOCE) のエントリから得られる品詞（POS）タグを、テキスト内の語に意味素タグを割り当てるための唯一の情報源として用いる。
• LDOCEの同音異義語（複数の明確に異なるエントリを持つ語）を意味素タグとして扱い、各品詞タグが別個の意味に対応すると仮定する。
• テキスト内のすべての開封語に対して品詞タグ付けを実行し、各語の品詞を対応するLDOCEの意味素エントリにマッピングすることで、品詞による意味タグ付けを実現する。
• 本手法は、92%の開封語が品詞情報のみで正しくタグ付けされたコーパス上で評価され、LDOCEにおける品詞と意味の違いの間の強い整合性を示している。
• 著者らは、追加の情報源を統合するパイプライン拡張を提案する。その情報源には、LDOCEの実用的コード、語の並び（コロケーション）の相関としての例文、Leskのヒューリスティックを最適化するためのシミュレーテッド・アニーリングが含まれる。
• 本システムは、スケーラブルで複数の情報源を統合する意味の曖昧除去を支援する GATE（General Architecture for Text Engineering）フレームワーク内に統合可能であるように設計されている。

実験結果

リサーチクエスチョン

• RQ1 品詞タグ付けのみで、複雑な文脈や世界知識に依存せずに、すべての開封語に対して高精度の大規模意味素タグ付けが可能かどうか。
• RQ2 LDOCEにおける意味の違いが、語のエントリの品詞フィールドにどの程度エンコードされているか。特に同音異義語に対して。
• RQ3 LDOCEにおける同音異義語レベルの違いが、品詞と十分に整合しているかどうか。すなわち、品詞タグ付けが意味の曖昧除去の信頼できる代理指標として機能できるかどうか。
• RQ4 単純な品詞ベースの手法が、はるかに少ない計算リソースで、より複雑な手法と同等またはそれ以上のカバレッジと正確性を達成できるかどうか。

主な発見

• 本手法は、LDOCEエントリの品詞情報のみを用いて、テキスト内のすべての開封語に対して92%の正確性を達成した。
• この結果は、LDOCEにおける意味の違いの大部分、特に同音異義語レベルの違いが、すでに品詞タグによって捉えられていることを示している。
• 本手法は、最小限の計算コストで高カバレッジ・高正確性の意味タグ付けが可能であることを示しており、意味の曖昧除去に複雑なモデルや世界知識を必要とするという仮定に反する。
• 著者らは、品詞ベースのタグ付けが、意味の曖昧除去の強力で低レベルの基盤を提供することを結論づけている。これは、自然言語処理とAIそのものの境界を、粗い意味の違いと細かい意味的推論の間で明確に分けるものである。
• 本手法は、語の意味の違いが辞書によって構築された同音異義語と整合する場合、客観的に言語的構造に基づいて根拠づけられることを支持する。
• 著者らは、GATEフレームワーク内に複数の情報源（実用的コード、例文、最適化されたヒューリスティック）を統合することで、本手法を拡張し、正確性をさらに向上させることを計画している。