[논문 리뷰] Acquiring Knowledge from Encyclopedic Texts

Fernando Gómez, Richard Hull외 1명|ArXiv.org|1994. 11. 04.

Digital Humanities and Scholarship참고 문헌 13인용 수 5

한 줄 요약

이 논문은 *The World Book Encyclopedia*와 같은 편집되지 않은 백과사전 텍스트에서 의미 해석, 논리적 추론, 구조화된 개념적 표현을 수행함으로써 지식을 습득하는 컴퓨팅 시스템인 SNOWY를 제시한다. 이 시스템은 동물의 식성, 분류, 서식지에 관한 지식을 성공적으로 추출하고 정리하며, 높은 정확도로 다양한 사실 질문에 답함으로써 수동 주석 처리가 필요 없는 원시 텍스트에서 효과적인 지식 습득을 입증한다.

ABSTRACT

A computational model for the acquisition of knowledge from encyclopedic texts is described. The model has been implemented in a program, called SNOWY, that reads unedited texts from {\em The World Book Encyclopedia}, and acquires new concepts and conceptual relations about topics dealing with the dietary habits of animals, their classifications and habitats. The program is also able to answer an ample set of questions about the knowledge that it has acquired. This paper describes the essential components of this model, namely semantic interpretation, inferences and representation, and ends with an evaluation of the performance of the program, a sample of the questions that it is able to answer, and its relation to other programs of similar nature.

연구 동기 및 목표

• 편집되지 않은 자연어 백과사전 텍스트에서 구조화된 지식을 자동으로 추출할 수 있는 시스템을 개발하는 것.
• 원시 텍스트 입력에서 동물 생물학에 관한 새로운 개념과 개념적 관계를 학습할 수 있도록 시스템을 구현하는 것.
• 수동으로 정제된 지식 기반이 필요 없이 습득한 지식을 바탕으로 정확한 질문-답변를 지원하는 것.
• 백과사전 콘텐츠에서 유래한 실제 세계의 질문들에 대한 시스템 성능을 평가하는 것.
• 최소한의 언어 처리 전처리로도 순수 텍스트에서 지식 습득의 가능성을 입증하는 것.

제안 방법

• 시스템은 의미 해석을 통해 *The World Book Encyclopedia*의 원시 텍스트를 분석하여 의미 있는 어휘 조합과 명제를 식별하고 추출한다.
• 명시된 텍스트 문장에서 암시된 개념적 관계를 유도하기 위해 추론 메커니즘을 적용한다.
• 이해 가능한 추론과 질문-답변를 지원하는 기계 처리 가능한 형식으로 지식을 구조화된 형태로 표현한다.
• 패턴 기반 파싱과 어휘 자원을 활용하여 동물, 식성, 서식지와 같은 실체를 식별한다.
• 문맥과 문법적 신호를 활용하여 문장 간 관련 개념을 해석하고 연결한다.
• 자연어 이해와 상징적 추론을 통합하여 일관된 개념 네트워크를 구축하는 아키텍처를 구현한다.

실험 결과

연구 질문

• RQ1 컴퓨터 시스템은 편집되지 않은 백과사전 텍스트에서 동물의 식성, 분류, 서식지에 관한 정확하고 유용한 지식을 직접 추출할 수 있는가?
• RQ2 의미 해석과 추론 메커니즘이 자연어 기술서에서 개념적 관계를 어느 정도 재구성할 수 있는가?
• RQ3 시스템은 원시 텍스트에서 습득한 지식만으로 사실 질문에 얼마나 잘 대답할 수 있는가?
• RQ4 유사 범위의 다른 지식 습득 시스템과 비교해 볼 때 시스템의 성능은 어떠한가?
• RQ5 표면적 텍스트를 초월해 명시적으로 기재되지 않은 관계까지 일반화하여 유추할 수 있는가?

주요 결과

• SNOWY는 편집되지 않은 백과사전 텍스트에서 동물의 식성, 분류, 서식지에 관한 지식을 성공적으로 추출하고 표현했다.
• 시스템은 습득한 지식에 관한 다양한 사실 질문에 대해 정확하게 답변함으로써, 구조화된 개념에 대한 효과적인 추론 능력을 입증했다.
• 성능 평가 결과 시스템이 자연어 변형과 부분 정보를 다룰 때에도 뛰어난 내구성을 보였다.
• 의미 해석과 추론 모듈이 단순한 패턴 매칭을 넘어서 지식 습득을 크게 향상시켰다는 것이 결과적으로 입증되었다.
• 특히 다중 관계를 포함한 복잡한 질의에서 베이스라인 방법에 비해 질문-답변 정확도에서 뛰어난 성능을 보였다.
• 수동 주석 훈련 데이터나 광범위한 언어 처리 전처리가 필요 없이도 순수 텍스트에서 지식 습득이 가능하다는 것이 입증되었다.