[論文レビュー] What is word sense disambiguation good for?

Adam Kilgarriff|arXiv (Cornell University)|Dec 23, 1997

Natural Language Processing Techniques参考文献 16被引用数 23

ひとこと要約

この論文は、語の意味あいまいさの解消（WSD）が自然言語処理（NLP）において普遍的に不可欠であるという仮定に挑戦し、語の意味が言語的根拠ではなく社会的構築物であると主張する。WSDは機械翻訳や情報検索においてのみ極めて重要であることが判明し、他の多くのNLPアプリケーション、特にドメイン特化された言語理解システムは、意味のあいまいさを内蔵された一貫性チェックとドメインモデルによって自然に解消するため、大規模なWSDは従来の考え以上に必要ではない。

ABSTRACT

Word sense disambiguation has developed as a sub-area of natural language processing, as if, like parsing, it was a well-defined task which was a pre-requisite to a wide range of language-understanding applications. First, I review earlier work which shows that a set of senses for a word is only ever defined relative to a particular human purpose, and that a view of word senses as part of the linguistic furniture lacks theoretical underpinnings. Then, I investigate whether and how word sense ambiguity is in fact a problem for different varieties of NLP application.

研究の動機と目的

• 語の意味あいまいさの解消（WSD）がNLPにおける普遍的な前処理タスクであるという仮定に挑戦すること。
• 語の意味あいまいさがさまざまなNLPアプリケーションタイプにおいて顕著な問題であるかどうかを調査すること。
• 語の意味が言語的根拠ではなく、辞書作成の伝統と人間の目的によって形作られた産物であると主張すること。
• WSDが特定のNLPアプリケーション（情報検索、機械翻訳、構文解析、辞書作成、自然言語理解）に与える実際の影響を評価すること。
• WSDの有用性はアプリケーションに依存し、ドメイン特化モデルが明示的な解消なしに意味のあいまいさを解消することが多いという主張を提示すること。

提案手法

• 辞書的意味の歴史的・社会学的基盤を分析し、それらが言語的必要性ではなく、紛争解決などの社会的機能を果たしていることを示す。
• CORPORAメーリングリストを通じてNLP実務者を対象にしたアンケート調査により、さまざまなアプリケーションにおける実世界のWSDの影響を評価する。
• 意味あいまいさが性能に与える影響の程度を評価することで、WSDが異なるNLPタスクにおいて果たす役割を比較する。
• 意味ラベル付きコーパスとWSDプログラムが辞書作成の実務にどのようにフィードバックされるかを検討する。
• ドメインモデルにおける一貫性チェックと型制約を、NLUシステムにおける暗黙の意味あいまいさ解消メカニズムとして使用する。
• 語の好みデータと文法的あいまいさ解消戦略を組み合わせることで、構文解析におけるWSDのパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 語の意味あいまいさの解消はすべてのNLPアプリケーションに必須であるのか、それともその重要性が誇張されているのか？
• RQ2 情報検索、機械翻訳、構文解析、辞書作成、自然言語理解において、語の意味あいまいさはどの程度深刻な問題であるか？
• RQ3 なぜ異なる辞書が異なる語の意味の集合を定義するのか。これはWSDを計算タスクとして捉える上で何を示唆するのか？
• RQ4 ドメイン特化知識モデルは、明示的なWSDなしに語の意味あいまいさを暗黙的に解消できるのか？
• RQ5 実際の運用において、WSDシステムと辞書作成の実務はどのように相互に影響し合うのか？

主な発見

• 語の意味あいまいさの解消は根本的な言語的問題ではなく、辞書作成の伝統と紛争解決のニーズによって形作られた社会的構造物である。
• 情報検索では語の意味あいまいさによる問題は中程度にとどまるが、より長いクエリを用いることでこれを軽減でき、WSDの必要性が低下する。
• 機械翻訳では、二対多対多の対応が翻訳語彙に存在するため、WSDの課題が顕著であり、正確性を確保するにはWSDが不可欠である。
• 構文解析は語の意味あいまいさの影響を明確に受けていないと思われるが、語の好みによる文法的あいまいさ解消が一般的であり、これはまだ実証的に検証されていない。
• 辞書作成者は意味ラベル付きコーパスのおかげで、関連する語の使用例を探す手間が削減され、WSDの恩恵を受ける。
• 自然言語理解システムでは、ドメインモデルと一貫性チェックが暗黙的に多くのあいまいさを解消するため、明示的なWSDなしに重大な意味あいまいさに直面することはめったになく、WSDはほとんど不要である。