[논문 리뷰] A Lexicon for Underspecified Semantic Tagging

Paul Buitelaar|ArXiv.org|1997. 05. 14.

Natural Language Processing Techniques참고 문헌 10인용 수 13

한 줄 요약

이 논문은 체계적인 다의성( polysemy )을 클래스 기반 지식 구조화를 통해 포괄하는, 미세하게 지정되지 않은 의미 태깅을 위한 목적의 의미 어휘(CoreLex)을 소개한다. 단어의 의미적으로 관련된 모든 의미를 통합된 프레임워크로 표현함으로써, 대화 맥락에서 점진적인 해석을 지원하며, 기존의 의미 분류에 그치지 않고 확장 가능한, 도메인 적응형 자연어 처리(NLP) 시스템의 의미 처리를 가능하게 한다.

ABSTRACT

The paper defends the notion that semantic tagging should be viewed as more than disambiguation between senses. Instead, semantic tagging should be a first step in the interpretation process by assigning each lexical item a representation of all of its systematically related senses, from which further semantic processing steps can derive discourse dependent interpretations. This leads to a new type of semantic lexicon (CoreLex) that supports underspecified semantic tagging through a design based on systematic polysemous classes and a class-based acquisition of lexical knowledge for specific domains.

연구 동기 및 목표

• 의미 태깅을 의미 분류에 그치지 않고 해석의 기초 단계로 재정의한다.
• 어휘 항목의 체계적으로 관련된 의미를 포괄하는 의미 어휘를 개발한다.
• 클래스 기반의 미세하게 지정되지 않은 표현 방식을 통해 도메인 특화된 의미 지식 획득을 지원한다.
• 의미적 모호성을 체계적으로 유지함으로써 대화 맥락에 따라 달라지는 해석을 가능하게 한다.
• NLP 응용 프로그램에서 의미 태깅을 위한 확장 가능하고 유연한 프레임워크를 제공한다.

제안 방법

• 의미적으로 관련된 의미를 체계적인 다의적 클래스 기반으로 묶어 의미 어휘(CoreLex)를 설계한다.
• 클래스 기반 접근 방식을 활용해 특정 도메인의 어휘 지식을 획득하고 표현한다.
• 각 어휘 항목을 모든 체계적으로 관련된 의미를 포함하는 단일한 미세하게 지정되지 않은 의미 표현으로 표현한다.
• 계층적 구조를 활용해 의미 관계를 인코딩하고 의미 간 중복을 줄인다.
• 대화 맥락이 확보될 때까지 전체 의미 해석을 연기함으로써 점진적인 해석을 지원한다.
• 공유된 클래스 구조를 통해 의미 지식의 재사용과 확장이 가능하게 한다.

실험 결과

연구 질문

• RQ1 의미 태깅을 의미 분류에 그치지 않고 해석의 첫 번째 단계로 재정의할 수 있는가?
• RQ2 의미 어휘가 체계적으로 관련된 의미를 효율적으로 표현하기 위해 어떤 설계 원칙이 필요한가?
• RQ3 미세하게 지정되지 않은 의미 표현은 어떻게 대화 맥락에 따라 달라지는 해석을 지원하는가?
• RQ4 다의적 클래스는 의미 어휘에서 중복을 줄이고 확장성을 향상시키는 데 어떤 역할을 하는가?
• RQ5 공유된 클래스 기반 프레임워크를 통해 특정 도메인의 의미 지식은 어떻게 획득하고 표현할 수 있는가?

주요 결과

• CoreLex 어휘는 공통적인 의미 클래스에 관련된 의미를 묶음으로써 체계적인 다의성을 성공적으로 모델링한다.
• 클래스 기반 설계는 중복을 줄이고 특정 도메인에 대한 효율적인 지식 획득을 가능하게 한다.
• 미세하게 지정되지 않은 표현 방식은 전체 의미 해석을 대화 맥락 확보 시까지 연기함으로써 점진적인 해석을 가능하게 한다.
• 어휘 표현과 맥락 의존적 해석을 분리함으로써 의미 태깅의 확장성과 확장 가능성을 높인다.
• 어휘 의미의 전체 재인코딩 없이도 도메인 적응이 가능하다.
• 유연하고 강력한 의미 처리가 요구되는 NLP 시스템에서의 적용 가능성을 입증한다.