[논문 리뷰] Annotation graphs as a framework for multidimensional linguistic data analysis

Steven Bird, Mark Liberman|ArXiv.org|1999. 07. 05.

Natural Language Processing Techniques참고 문헌 5인용 수 50

한 줄 요약

이 논문은 복잡하고 겹치며 계층적인 다수의 논의 분석 수준에서의 언어적 주석을 표현하기 위한 형식적 프레임워크인 주석 그래프(annotation graphs)를 제안한다. 주석을 유형, 레이블, 선택적 클래스 필드를 가진 방향성 간선으로 표현함으로써, 이 프레임워크는 다양한 형식 간 상호운용성을 가능하게 하고, 여러 주석 체계의 효율적 쿼리 및 비교를 지원하며, 태그 세트에 대한 사전 합의 없이도 도구, 코퍼스, 이론 모델의 통합을 촉진한다.

ABSTRACT

In recent work we have presented a formal framework for linguistic annotation based on labeled acyclic digraphs. These `annotation graphs' offer a simple yet powerful method for representing complex annotation structures incorporating hierarchy and overlap. Here, we motivate and illustrate our approach using discourse-level annotations of text and speech data drawn from the CALLHOME, COCONUT, MUC-7, DAMSL and TRAINS annotation schemes. With the help of domain specialists, we have constructed a hybrid multi-level annotation for a fragment of the Boston University Radio Speech Corpus which includes the following levels: segment, word, breath, ToBI, Tilt, Treebank, coreference and named entity. We show how annotation graphs can represent hybrid multi-level structures which derive from a diverse set of file formats. We also show how the approach facilitates substantive comparison of multiple annotations of a single signal based on different theoretical models. The discussion shows how annotation graphs open the door to wide-ranging integration of tools, formats and corpora.

연구 동기 및 목표

• 말 및 텍스트 코퍼스에서 사용되는 점점 더 복잡하고 이질적인 언어 주석 형식의 문제를 해결하기 위해.
• 논의 수준 분석에서 흔히 나타나는 겹침, 계층적, 교차적인 주석 구조를 표현할 수 있는 형식적이고 일반적인 프레임워크를 제공하기 위해.
• 형식 표준화가 필요 없이도 서로 다른 이론 모델에 기반한 주석 간 상호운용성과 비교를 가능하게 하기 위해.
• 다양한 연구 공동체 간에 장기적인 유지보수성, 검색 가능성, 지속 가능성 확보를 위해.
• 모든 시스템 간 $n^2$ 형식 변환의 필요성을 줄이기 위해 $n$-to-one 번역을 가능하게 하는 보편적 인터링구아(interlingua)의 기반을 마련하기 위해.

제안 방법

• 노드가 시간 포인트 또는 사건을 나타내고 간선이 유형, 레이블, 선택적 클래스 필드를 가진 레이블된 간접 그래프(주석 그래프)로 언어 주석을 표현한다.
• 주석 그래프를 시간 기반 비순환 그래프 내의 노드 n₁, n₂와 필드가 있는 레코드 r(유형, 레이블, 클래스)로 구성된 삼중항 ⟨n₁, r, n₂⟩의 집합으로 공식적으로 정의한다.
• 시간에 기반한 노드(부분 함수 τ: N ⇀ ℝ를 통한)를 사용하여 주석 간의 순서, 포함, 겹침 검출과 같은 시간적 추론을 지원한다.
• 간선의 멱집합을 쿼리 대수로 활용하여 부분그래프에 대한 교차, 합집합, 보수 연산과 같은 복잡한 검색 및 비교를 가능하게 한다.
• 기존의 다양한 주석 형식(CallHome, MUC-7, DAMSL, Treebank 등)을 주석 그래프 형식론으로 매핑하여 구조적 및 의미적 차이를 유지한다.
• 보스턴 대학교 라디오 음성 코퍼스에 대한 하이브리드 다중 수준 주석을 통해 프레임워크의 유용성을 입증한다. 이에는 세그먼트, 단어, 숨결, ToBI, Tilt, Treebank, 공호성, 명사어 주석 수준이 통합되어 있다.

실험 결과

연구 질문

• RQ1 어떻게 단일 형식적 프레임워크가 논의 수준 데이터에서 발견되는 복잡하고 겹치며 계층적인 주석의 전 범위를 표현할 수 있는가?
• RQ2 주석 그래프는 서로 다른 이론 모델에 기반한 동일한 신호에 대한 다수의 주석 간 비교를 어느 정도 지원할 수 있는가?
• RQ3 주석 그래프는 형식 변환 없이도 다양한 주석 도구 및 파일 형식 간 상호운용성을 보장하는 보편적 인터링구아로 기능할 수 있는가?
• RQ4 주석 그래프의 형식적 구조는 언어 데이터의 시간적 및 계층적 관계에 대한 효율적 쿼리, 인덱싱, 분석을 어떻게 지원하는가?
• RQ5 주석 그래프는 논의 연구에서 이질적인 코퍼스와 도구를 통합하는 데 어떤 실용적 이점을 제공하는가?

주요 결과

• 주석 그래프 프레임워크는 CALLHOME, COCONUT, MUC-7, DAMSL, TRAINS 등 다양한 출처에서 유래한 복잡하고 다중 수준의 언어 주석—겹침 및 비계층적 구조 포함—을 성공적으로 표현하였다.
• 이 프레임워크는 태그 정렬이 필요 없이도 핵심어 연결 및 논의 기능 등 서로 다른 이론 모델에 기반한 동일한 신호에 대한 다수의 주석 간 직접 비교를 가능하게 하였다.
• 주석 그래프의 간선 멱집합은 교차, 합집합, 보수 연산을 통해 효율적이고 표현력 있는 쿼리가 가능한 닫힌 쿼리 대수를 이룬다.
• 시간에 기반한 노드를 통해 주석 간 순서, 포함, 겹침과 같은 시간적 관계를 체계적으로 계산할 수 있으며, 강력한 시간적 추론이 가능해졌다.
• 이 프레임워크는 이질적인 코퍼스와 도구의 통합을 위한 보편적 인터링구아로 기능하여, $n^2$ 형식 변환의 필요성을 $n$ 개의 인터페이스로 줄였다.
• 보스턴 대학교 라디오 음성 코퍼스에 대한 하이브리드 다중 수준 주석이 프레임워크를 활용해 성공적으로 구축되었으며, 세그먼트, 단어, 숨결, ToBI, Tilt, Treebank, 공호성, 명사어 주석 수준이 통합되었다.