[논문 리뷰] Annotation of Scientific Summaries for Information Retrieval

Fidelia Ibekwe-Sanjuan, Silvia Fernández외 2명|arXiv (Cornell University)|2011. 10. 26.

Topic Modeling참고 문헌 22인용 수 7

한 줄 요약

이 논문은 표면 수준의 NLP와 기계 학습을 융합한 하이브리드 방법론을 제시하여 과학적 초록에 의미적 태그(예: 목적, 결과, 결론)를 부여함으로써 질의 중심 초록 순서 정렬 및 다중 초록 요약을 향상시킨다. 저자들은(annotation corpus 내 태그 분포를 활용하는) 두 가지 새로운 가중치 함수를 제안하여 의미 기반 정보 검색 시스템에 대한 유망한 初期 결과를 도출하였다.

ABSTRACT

We present a methodology combining surface NLP and Machine Learning techniques for ranking asbtracts and generating summaries based on annotated corpora. The corpora were annotated with meta-semantic tags indicating the category of information a sentence is bearing (objective, findings, newthing, hypothesis, conclusion, future work, related work). The annotated corpus is fed into an automatic summarizer for query-oriented abstract ranking and multi- abstract summarization. To adapt the summarizer to these two tasks, two novel weighting functions were devised in order to take into account the distribution of the tags in the corpus. Results, although still preliminary, are encouraging us to pursue this line of work and find better ways of building IR systems that can take into account semantic annotations in a corpus.

연구 동기 및 목표

• 과학적 초록에 정보 유형(예: 목적, 결과, 결론 등)을 나타내는 의미적 메타태그를 부여하는 방법을 개발하는 것.
• 후속 정보 검색(IR) 작업을 지원하기 위해 표준화된 의미적 태그로 태깅된 코퍼스를 구축하는 것.
• 코퍼스 전반에 걸친 태그 분포를 활용하여 초록 순서 정렬 및 요약을 향상시키기 위한 가중치 함수를 설계하는 것.
• 의미적 태그 부여가 정보 검색 성능 향상에 기여하는지 평가하는 것.

제안 방법

• 정의된 의미적 태그(목적, 결과, 새로운 것, 가설, 결론, 향후 작업, 관련 연구)를 사용하여 과학적 초록 코퍼스를 태깅하는 것.
• 표면 수준의 NLP 기법을 적용하여 초록 내 문장 수준의 의미적 내용을 식별하고 레이블링하는 것.
• 태깅된 코퍼스를 기반으로 기계 학습 모델을 훈련시어 새로운 초록에 대한 의미적 태그를 예측하는 것.
• 코퍼스 전반에 걸친 의미적 태그 분포를 통합하여 관련 콘텐츠를 우선순위 정렬하는 데 사용할 수 있는 두 가지 새로운 가중치 함수를 개발하는 것.
• 태깅된 코퍼스와 가중치 함수를 활용하여 질의 관련성에 기반해 초록을 순서 정렬하는 것.
• 의미적 태그 가중치를 기반으로 높은 점수를 받은 문장을 선별하고 통합하여 다중 초록 요약을 생성하는 것.

실험 결과

연구 질문

• RQ1 과학적 초록의 의미적 태그 부여가 질의 중심 초록 순서 정렬의 정밀도를 향상시킬 수 있는가?
• RQ2 다양한 의미적 태그 분포는 요약 및 순서 정렬의 효과성에 어떤 영향을 미치는가?
• RQ3 태그 빈도를 기반으로 한 새로운 가중치 함수는 검색 성능 향상에 기여할 수 있는가?
• RQ4 의미적 태그 부여는 일관되고 정보가 풍부한 다중 초록 요약 생성을 어느 정도 지원하는가?

주요 결과

• 제안된 방법론은 명확한 의미적 태그를 가진 일관된 태깅된 과학적 초록 코퍼스를 성공적으로 생성하였다.
• 새로운 가중치 함수는 순서 정렬된 초록과 요약된 콘텐츠의 관련성 향상 잠재력을 보였다.
• 초기 결과는 의미적 태그 부여가 정보 검색 시스템 성능 향상에 상당한 기여를 한다고 시사한다.
• 정보 검색 파이프라인에 의미적 메타데이터를 통합하는 것은 더 많은 맥락 인식 및 정확도를 갖춘 검색 모델 구축에 유망한 전망을 보인다.