[論文レビュー] The Role of Conceptual Relations in Word Sense Disambiguation

David Fernández-Amorós, Julio Gonzalo+1 more|ArXiv.org|Jul 3, 2001

Natural Language Processing Techniques参考文献 13被引用数 13

ひとこと要約

本稿では、WordNetにおける概念的関係に基づき、一般化されパrameter化されたAgirre-Rigauの概念的密度測定法の応用を用いて、強化された語義素性の分類（WSD）システムを提案する。50以上の構成を徹底的に評価した結果、最良のシステムは元のアルゴリズム比で42%の改善を達成し、Leskに基づく共起法よりも14%高い再現率を示した。これは、概念的関係が、特にノンフィクション文書において、WSDの強力な指標であることを示している。

ABSTRACT

We explore many ways of using conceptual distance measures in Word Sense Disambiguation, starting with the Agirre-Rigau conceptual density measure. We use a generalized form of this measure, introducing many (parameterized) refinements and performing an exhaustive evaluation of all meaningful combinations. We finally obtain a 42% improvement over the original algorithm, and show that measures of conceptual distance are not worse indicators for sense disambiguation than measures based on word-coocurrence (exemplified by the Lesk algorithm). Our results, however, reinforce the idea that only a combination of different sources of knowledge might eventually lead to accurate word sense disambiguation.

研究の動機と目的

• 語義素性の分類（WSD）における概念的関係の判別力が、独立した知識源として有効であるかを評価すること。
• パrameter化と体系的な構成テストを通じて、Agirre-Rigauの概念的密度アルゴリズムを段階的に改善すること。
• 大規模なテストコレクションを用いて、共起に基づく手法（例：Lesk）と比較して、概念的関係に基づくWSDの性能を評価すること。
• 特にノンフィクションとフィクションを対比させることで、異なるテキストジャンルにおけるWSDの実現可能性を評価すること。
• WSDシステムの評価において、Semcorでの再現率のみでは不十分であるという主張に基づき、アプリケーション指向の評価を推奨すること。

提案手法

• システムは語彙的知識ベース（WordNet）を用い、推移的ハイパーニム（IS-A）およびメロニミ（PART-OF）関係を用いて、意味関連の概念を伝播させる。
• 各語の意味に対して、関連するサブコンセプトの数と深さに基づき、概念的密度を計算する。元のAgirre-Rigau法に加え、SDFやLFといった新しいバリエーションを含む4種類の異なる密度式を用いる。
• ターゲット語の周囲に固定サイズのコンテキストウィンドウを適用し、関連する概念を重み付け・集約して、意味固有の概念的密度スコアを算出する。
• ウィンドウサイズ、階層の深さカットオフ、関係タイプ、密度式パrameterを変化させた50以上の構成で、システムをチューニングする。
• 性能評価は、完全なSemcorテストコレクションを用い、ランダムな分類とLeskに基づく共起法とを比較して行う。
• 最終的なシステムは、サイズ2の最大限のハイパーニムチェーンを採用し、多言語テキストコレクション全体にわたるカバレッジと正確性を最適化している。

実験結果

リサーチクエスチョン

• RQ1 共起に基づく手法と比較して、概念的関係のみで競争力のあるWSD性能を達成できるか？
• RQ2 異なる概念的密度式とパrameter設定が、WSDの正確性にどのように影響するか？
• RQ3 概念的関係に基づくWSDの性能は、異なるテキストジャンルで顕著に異なるか？
• RQ4 ウィンドウサイズが、概念的密度アプローチの分類正確性にどの程度影響を及ぼすか？
• RQ5 Semcorコーパスは、WSDシステムの評価ベンチマークとして十分か？それとも、アプリケーションレベルの評価を優先すべきか？

主な発見

• 最良の性能を示したシステムは、元のAgirre-Rigauアルゴリズム比で42%の改善を達成し、体系的なパrameterチューニングの有効性を示した。
• 最適化されたシステムは、Leskに基づく共起法よりも再現率で14%高い性能を示し、概念的関係がWSDの強力な指標であることを裏付けた。
• 最も高い改善（36.08%）は、報道：レポートレージのようなノンフィクションジャンルで観察されたが、アドベンチャー＆ウェスタン・フィクションのようなフィクションジャンルでは僅か4.45%の改善にとどまった。
• 最適な構成は、性能を低下させる長くノイズの多い階層チェーンを避けるために、サイズ2の最大限のハイパーニムチェーンを採用している。
• 大きなウィンドウサイズは、ドメイン固有のコンテキストをよりよく捉えることで性能を向上させ、広いコンテキスト情報を活用する価値を支持する。
• 本研究は、WSDの評価が、Semcorでの再現率のみでなく、NLPアプリケーションを通じて間接的に測定されるべきであるという強力な証拠を提供した。Semcorでの再現率だけでは、システムの実効性を正しく反映しない。