[論文レビュー] TimeML-strict: clarifying temporal annotation

Leon Derczynski, Héctor Llorens+1 more|arXiv (Cornell University)|Apr 26, 2013

Semantic Web and Ontologies参考文献 22被引用数 12

ひとこと要約

本稿では、時刻情報のアノテーションのためのTimeML標準の検証可能で曖昧さのない機械処理可能なサブセットであるTimeML-strictを紹介する。本稿では、形式的なスキーマ、ドキュメントの準拠を保証するバリデーター・ツール、およびレガシータイムMLデータをより厳密な形式に変換するリペアツールを提案しており、自然言語処理（NLP）アプリケーションにおける時刻情報処理の相互運用性を著しく向上させ、誤りを低減する。

ABSTRACT

TimeML is an XML-based schema for annotating temporal information over discourse. The standard has been used to annotate a variety of resources and is followed by a number of tools, the creation of which constitute hundreds of thousands of man-hours of research work. However, the current state of resources is such that many are not valid, or do not produce valid output, or contain ambiguous or custom additions and removals. Difficulties arising from these variances were highlighted in the TempEval-3 exercise, which included its own extra stipulations over conventional TimeML as a response. To unify the state of current resources, and to make progress toward easy adoption of its current incarnation ISO-TimeML, this paper introduces TimeML-strict: a valid, unambiguous, and easy-to-process subset of TimeML. We also introduce three resources -- a schema for TimeML-strict; a validator tool for TimeML-strict, so that one may ensure documents are in the correct form; and a repair tool that corrects common invalidating errors and adds disambiguating markup in order to convert documents from the laxer TimeML standard to TimeML-strict.

研究の動機と目的

• 既存のTimeMLアノテーションリソースに広がる一貫性の欠如、無効性、曖昧さが、信頼性の高い処理と相互運用性を妨える問題を解決すること。
• TempEval-3およびISO-TimeMLからのコミュニティ実践に基づき、明確で曖昧さのない、機械で検証可能なTimeMLのサブセット、すなわちTimeML-strictを定義すること。
• 既存のTimeMLデータをより厳密な標準に適合させるために、検証、修復、移行を可能にする実用的ツールを提供すること。
• 特に臨床、法的、ソーシャルメディア分野の応用を想定し、既存の時刻アノテーションリソースの長期的利用可能性と計算効率を高めること。
• レガシータイムMLから新たなISO-TimeML標準へのスムーズな移行を可能にするために、明確で一貫した基準を確立すること。

提案手法

• 文法的および意味的制約を強制する形式的なスキーマを設計し、必須のDCTおよびTEXT要素を含み、曖昧または無効なマークアップを禁止する。
• Javaで実装された検証ツールを実装し、TimeMLドキュメントがTimeML-strictスキーマに準拠しているかをチェックし、修正が必要な具体的なエラーを報告する。
• レガシータイムML（例：不正なID、欠落したDCT、無効な参照）の一般的な無効性を自動で修正し、必要なメタデータを追加するリペアツールを開発する。
• TimeBank v1.2のような実世界のコーパスにツールを適用し、実用的な移行可能性を実証する。
• 出力が既存のTimeMLアノテーションツールから得られるものに対しても後方互換性を保つために、リペアツールが準拠するTimeML-strict出力を生成できることを確認する。
• 明示的に、TimeML-strictが時刻の一貫性やイベントのインスタンス化を強制しないことにより、現実の対話的文脈に適応した表現力を維持することを明確に定義する。

実験結果

リサーチクエスチョン

• RQ1 多様なNLPアプリケーションにおいて、曖昧さや無効性を低減するための時刻アノテーションデータをどのように標準化できるか？
• RQ2 有効で曖昧さのない、計算的に扱いやすいTimeMLのサブセットを構築するために、どのような技術的制約が必要か？
• RQ3 自動化されたツールが、レガシータイムMLデータをより厳密な基準に適合させるために、検証および修復を効果的に行えるか？
• RQ4 TimeML-strictは、レガシータイムMLとISO-TimeML標準の間の橋渡しとして、どの程度有効に機能できるか？
• RQ5 既存のTimeMLリソースを利用する際に、主な実用的障壁は何か、そしてそれらを体系的にどのように克服できるか？

主な発見

• TimeML-strictスキーマは、レガシーデータに見られる一般的な文法的および構造的問題を解消する一貫性があり、有効で曖昧さのないTimeMLのサブセットを明確に定義している。
• 検証ツールにより、無効なID、欠落したDCT、不正な要素といったTimeMLドキュメント内のエラーを正確に検出でき、データの信頼性が向上した。
• リペアツールは、非準拠のTimeMLデータ（TimeBank v1.2を含む）を正常なTimeML-strict形式に成功して変換し、現代のツールで利用可能にした。
• これらのツールにより、時刻アノテーションデータの処理および移行に必要な人的作業が著しく削減され、言語資源の広範な採用と長期的保存が可能になった。
• TimeML-strictは、ISO-TimeMLへのスムーズな移行経路を提供し、時刻NLPシステムにおける相互運用性の向上と技術的負債の低減を実現した。
• 時刻の一貫性やイベントのインスタンス化を強制しないことで、表現力を維持し、しばしば一貫性のない現実の対話的文脈にも適合している。