[논문 리뷰] ATLAS: A flexible and extensible architecture for linguistic annotation

Steven Bird, David Day외 4명|ArXiv.org|2000. 07. 13.

Natural Language Processing Techniques참고 문헌 8인용 수 95

한 줄 요약

ATLAS는 텍스트와 음성과 같은 선형 신호에 기반한 'annotation graphs'라고 불리는 추상적 논리 모델을 바탕으로 한 유연하고 확장 가능한 언어 주석 아키텍처를 제안한다. 이 시스템은 표준화된 API와 ATLAS 교환 형식(AIF)을 통해 도구와 형식 간의 상호운용성을 가능하게 하며, 음성, 텍스트, 이미지, 다중 모odal 자료를 포함한 다양한 데이터 유형을 지원한다. 주요 기여는 주석 관행의 통합과 확장 가능하고 재사용 가능한 언어 도구 및 어휘자료의 가능성을 높이는 데 있다.

ABSTRACT

We describe a formal model for annotating linguistic artifacts, from which we derive an application programming interface (API) to a suite of tools for manipulating these annotations. The abstract logical model provides for a range of storage formats and promotes the reuse of tools that interact through this API. We focus first on ``Annotation Graphs,'' a graph model for annotations on linear signals (such as text and speech) indexed by intervals, for which efficient database storage and querying techniques are applicable. We note how a wide range of existing annotated corpora can be mapped to this annotation graph model. This model is then generalized to encompass a wider variety of linguistic ``signals,'' including both naturally occuring phenomena (as recorded in images, video, multi-modal interactions, etc.), as well as the derived resources that are increasingly important to the engineering of natural language processing systems (such as word lists, dictionaries, aligned bilingual corpora, etc.). We conclude with a review of the current efforts towards implementing key pieces of this architecture.

연구 동기 및 목표

• 언어 주석 분야에서 표준화된 데이터 모델과 API의 부족으로 인해 도구와 어휘자료 간의 상호운용성이 저해되는 문제를 해결한다.
• 언어 기술 연구 분야에서 발생하는 상호 호환성 없는 형식과 도구의 증가를 막기 위해 통합된 논리 추상화 계층을 도입한다.
• 다양한 도메인, 언어, 신호 유형(텍스트, 음성, 영상, 이미지) 간에 주석 도구와 어휘자료의 광범위한 재사용과 통합을 가능하게 한다.
• 빠른 프로토타ип 및 평가를 위한 확장 가능하고 모듈화되며 오픈소스인 주석 구성 요소의 개발을 지원한다.
• 다양한 모odal과 언어 수준(예: 어근, 공호성, 논의 구조) 간의 복합적이고 다층적이며 다중 연결된 주석 생성을 지원한다.

제안 방법

• 텍스트와 음성과 같은 선형 신호의 간격에 대해 기호적 성질(라벨)을 나타내는 타임스탬프가 부여된 노드를 갖는 레이블이 부여된 방향성 비순환 그래프인 'annotation graphs'라는 추상적 논리 모델을 정의한다.
• 응용 계층, 논리(추상) 계층(Annotation graphs), 물리적(지속 저장) 계층의 3단계 아키텍처를 도입하여 데이터 표현 방식과 도구, 저장 형식 간의 분리를 달성한다.
• 장기 저장, 교환, 시스템 간 파ipelining을 위한 지속 가능한 XML 기반 형식인 ATLAS 교환 형식(AIF)을 설계한다.
• 이미지(경계 상자 기반), 어휘사전, 표, 정렬된 双어 어휘자료를 포함한 비선형 및 고차원 신호를 지원하기 위해 annotation graph 모델을 일반화한다.
• 물리적 저장 형식에 관계없이 도구가 주석과 상호작용할 수 있도록 표준화된 API를 개발하여 도구 재사용성과 확장성 향상을 도모한다.
• 원칙적인 XML DTD 유도를 통해 새로운 신호 클래스를 선언할 수 있도록 하여 새로운 데이터 유형이 ATLAS 프레임워크에 쉽게 통합될 수 있도록 확장성을 지원한다.

실험 결과

연구 질문

• RQ1 다양한 언어와 모달 간에 다양한 언어 주석 형식과 도구를 지원할 수 있는 통합적이고 확장 가능한 아키텍처를 어떻게 설계할 수 있는가?
• RQ2 텍스트와 음성과 같은 신호에서 언어 주석의 효율적 저장, 쿼리 및 상호운용성을 가능하게 하는 논리적 데이터 모델은 무엇인가?
• RQ3 표준화된 API와 교환 형식을 통해 새로운 주석 형식에 도구를 적응시키는 데 있어 재엔지니어링의 필요성을 얼마나 줄일 수 있는가?
• RQ4 annotation graph 모델은 이미지, 영상, 정렬된 어휘자료와 같은 비선형 및 다중 모달 데이터를 지원하도록 일반화될 수 있는가?
• RQ5 어떻게 아키텍처는 고도의 자연어 처리 및 음성 처리 시스템에 필수적인 복잡하고 다층적이며 다중 연결된 주석을 지원할 수 있는가?

주요 결과

• annotation graph 모델은 방송 뉴스, 음성 인식, 정보 추출 분야의 기존 어휘자료를 모두 성공적으로 표현하며, 주석을 시간 간격 위에 레이블이 부여된 간선으로 모델링함으로써 가능하다.
• ATLAS API를 통한 논리 계층과 물리 계층의 분리로 인해 도구가 수정 없이 여러 저장 형식에서 작동할 수 있게 되어 도구 재사용성은 크게 향상되고 통합 오버헤드가 크게 감소한다.
• 지속 가능한 XML 기반 표준인 ATLAS 교환 형식(AIF)은 데이터 교환, 장기 저장, 파이프라인 기반 언어 기술 응용 프로그램의 구축을 촉진한다.
• Alembic Workbench와 Multi-Modal Logger와 같은 다양한 도구의 통합을 지원함으로써, 다중 모달 및 다중 도메인 주석 환경에서의 실행 가능성을 입증한다.
• ATLAS 구성 요소의 오픈소스 배포를 시작했으며, 향후 글로벌 자연어 처리 및 언어학 연구 공동체의 기여를 유도하는 공동체 주도 표준으로 발전시킬 계획이다.
• 일관되고 확장 가능한 데이터 인프라를 제공함으로써 이전에는 구현이 어려웠던 다층적, 다중 연결 및 다중 모달 주석 작업을 가능하게 한다.