[論文レビュー] Towards Olfactory Information Extraction from Text: A Case Study on Detecting Smell Experiences in Novels

Ryan Brate, Paul Groth+1 more|arXiv (Cornell University)|Nov 17, 2020

Olfactory and Sensory Function Studies被引用数 6

ひとこと要約

本稿では、反復的ブートストラップを用いた、語彙的特徴（形容詞／名詞、動詞／名詞）を組み合わせた半教師付きパターンベースの手法を提案し、英語の文学的テキストにおける臭覚体験を検出する。キーワードベースの手法に比べ、高い精度で顕著に高い再現率を達成した。これは、文学からの自動的臭覚情報抽出の可能性を示している。

ABSTRACT

Environmental factors determine the smells we perceive, but societal factors factors shape the importance, sentiment and biases we give to them. Descriptions of smells in text, or as we call them `smell experiences', offer a window into these factors, but they must first be identified. To the best of our knowledge, no tool exists to extract references to smell experiences from text. In this paper, we present two variations on a semi-supervised approach to identify smell experiences in English literature. The combined set of patterns from both implementations offer significantly better performance than a keyword-based baseline.

研究の動機と目的

• テキストデータ、特に文学的英語において臭覚体験を特定するためのツールの不足に対処すること。
• 研究用途に使用可能な、文学的テキストにおけるアノテート済み臭覚体験のゴールドスタンダードデータセットを作成すること。
• テキスト内の臭覚的参照を検出するための半教師付きパターン学習アプローチを開発・評価すること。
• 異なる語彙的特徴ペア（例：形容詞／名詞 と 動詞／名詞）を組み合わせることで、検出性能が向上するかどうかを検討すること。
• 反復的ブートストラップを用いて、臭覚のような洗練された感覚表現を抽出することが可能かどうかを評価すること。

提案手法

• 著者は、Project Gutenbergから139編の英語文学的テキストを収集し、臭覚体験についてアノテートしたデータセットを作成した。
• 品詞タギングと依存構造解析にはspaCyを、トークン化にはNLTKを用いた。
• 2つの半教師付きブートストラップアプローチを実装した：1つは形容詞と名詞、もう1つは動詞と名詞を特徴ペアとして用いたもの。
• 20件の検証テキストを用いて、ゴールドスタンダードと比較しながら、精度と再現率を評価し、パターンセットを反復的に最適化した。
• 最終的なパターンセットを統合し、精度-再現率曲線を用いてキーワードベースのベースラインと比較した。
• 本手法は、語彙的照合に加え、文脈的関係や共起パターンに依存しており、比喩的または隠喩的臭覚表現の検出を可能にした。

実験結果

リサーチクエスチョン

• RQ1 半教師付きパターン学習は、文学的テキストにおける臭覚体験を効果的に検出できるか？
• RQ2 複数の語彙的特徴ペア（例：形容詞／名詞 と 動詞／名詞）を組み合わせることで、検出性能が向上するか？
• RQ3 精度と再現率の観点から、パターンベースのアプローチは単純なキーワードベースのベースラインを上回るか？
• RQ4 異なるシード語と検証閾値が、抽出されたパターンの質と数に与える影響は何か？
• RQ5 人間によるアノテーションにおける臭覚体験の間該任意性はどの程度であり、それがモデル評価にどのように影響するか？

主な発見

• 形容詞／名詞と動詞／名詞の両アプローチのパターンセットを統合した結果、高い精度での再現率がキーワードベースのベースラインを有意に上回った（p < 0.05）。
• すべての閾値において、形容詞／名詞アプローチが動詞／名詞アプローチを精度および再現率の両面で一貫して上回った。
• 2つのアプローチは補完的な臭覚表現のセットを捉えており、異なる語彙的特徴が異なる種類の臭覚的参照を捉えることを示唆している。
• 抽出されたパターン数は急速に増加したが、収束傾向にあり、意味的関連性が低い語の含むため、パターン発見の非効率性が示唆された。
• 多くの臭覚関連語が臭覚的でない文脈でも頻出することが判明し、検出の複雑さを増やし、抽出品質の低下を引き起こした。
• 2つの言語的特徴が同時に一致する（例：2つの言語的特徴の併用）ことで、臭覚体験検出の特異性が向上する可能性があると示唆された。