[논문 리뷰] CEVO: Comprehensive EVent Ontology Enhancing Cognitive Annotation

Saeedeh Shekarpour, Faisal Alshargi외 3명|arXiv (Cornell University)|2017. 01. 19.

Natural Language Processing Techniques참고 문헌 11인용 수 3

한 줄 요약

이 논문은 영어 동사의 베티 레빈의 개념적 계층 구조에서 유래한 포괄적인 사건 온톨로지인 CEVO를 소개한다. 이는 텍스트 및 온톨로지 내 관계의 인지적 어노테이션을 향상시키기 위한 것이다. '소통'이나 '통합'과 같은 추상적 의미적·구문적 클래스로 동사를 매핑함으로써 CEVO는 일관된 관계 어노테이션, 다양한 어휘 간 정렬, 텍스트 관계와 온톨로지 속성 간 연결을 가능하게 하며, 실제 데이터를 활용한 세 가지 응용 사례를 통해 이를 입증한다.

ABSTRACT

While the general analysis of named entities has received substantial research attention on unstructured as well as structured data, the analysis of relations among named entities has received limited focus. In fact, a review of the literature revealed a deficiency in research on the abstract conceptualization required to organize relations. We believe that such an abstract conceptualization can benefit various communities and applications such as natural language processing, information extraction, machine learning, and ontology engineering. In this paper, we present Comprehensive EVent Ontology (CEVO), built on Levin's conceptual hierarchy of English verbs that categorizes verbs with shared meaning, and syntactic behavior. We present the fundamental concepts and requirements for this ontology. Furthermore, we present three use cases employing the CEVO ontology on annotation tasks: (i) annotating relations in plain text, (ii) annotating ontological properties, and (iii) linking textual relations to ontological properties. These use-cases demonstrate the benefits of using CEVO for annotation: (i) annotating English verbs from an abstract conceptualization, (ii) playing the role of an upper ontology for organizing ontological properties, and (iii) facilitating the annotation of text relations using any underlying vocabulary. This resource is available at https://shekarpour.github.io/cevo.io/ using https://w3id.org/cevo namespace.

연구 동기 및 목표

• 비구조적 및 구조적 데이터 내 관계를 조직화하기 위한 추상적 개념화의 부족을 해결한다.
• 관계 추출, 관계의 맥락적 동치성, 온톨로지 간 이질성 등의 결함을 극복한다.
• 의미적 및 구문적 동사 클래스를 바탕으로 한 통합적이고 심리학적으로 타당한 관계 어노테이션 프레임워크를 제공한다.
• 공통의 추상 표현을 통해 텍스트 관계와 온톨로지 속성 간 상호운용성을 가능하게 한다.
• 레빈의 동사 계층을 활용하여 자연어 처리, 정보 추출, 온톨로지 공학 분야에서 인지적 어노테이션을 촉진한다.

제안 방법

• 베티 레빈의 동사 개념 계층을 기반으로 3,000개 이상의 영어 동사를 230개 이상의 의미-구문 클래스로 매핑하여 CEVO를 구축한다.
• 텍스트에서 동사의 위치와 구문적 역할을 어노테이션하기 위해 NIF(이름 지정된 개체 형식) 어휘를 사용한다.
• 공통의 CEVO 사건 클래스를 통해 텍스트 관계를 온톨로지 속성과 연결하기 위해 웹 어노테이션 데이터 모델(WADM)을 적용한다.
• 텍스트 및 온톨로지 내 동사 인스턴스에 CEVO 사건 클래스(예: cevo:Communication, cevo:Amalgamate)를 할당하여 의미적 정렬을 가능하게 한다.
• SPARQL 쿼리를 사용하여 공통의 CEVO 어노테이션을 통해 텍스트 관계(예: 'marry')와 해당 온톨로지 속성(예: dbp:spouse) 간의 연결을 해결한다.
• CEVO 네임스페이스(https://w3id.org/cevo/)를 활용하여 사건 클래스 및 인스턴스에 대한 지속적이고 해석 가능한 URI를 보장한다.

실험 결과

연구 질문

• RQ1 관계의 추상적 개념화가 텍스트 및 온톨로지 내 관계 어노테이션의 일관성과 인지적 타당성에 어떻게 기여하는가?
• RQ2 레빈의 동사 분류가 재사용 가능하고 상위 수준의 사건 온톨로지 기초로 얼마나 잘 기능하는가?
• RQ3 CEVO가 다양한 어휘 및 온톨로지 간 관계의 맥락적 동치성을 가능하게 하는가?
• RQ4 CEVO가 실제 데이터에서 텍스트 관계를 온톨로지 속성과 연결하는 데 얼마나 효과적인가?
• RQ5 CEVO 사용이 지식 그래프 응용 분야에서 관계 추출 및 상호운용성에 미치는 영향은 무엇인가?

주요 결과

• CEVO는 공통된 의미와 구문적 행동을 기반으로 3,000개 이상의 영어 동사를 230개 이상의 의미적으로 일관된 사건 클래스로 성공적으로 매핑하였다.
• 어순어휘적 동의어가 아니지만 의미적으로 동일시되는 'announce'와 'say'는 CEVO 클래스 cevo:Communication에 포함되어 있어 인지적 일관성을 입증한다.
• WADM의 사용을 통해 공통의 CEVO 사건 클래스를 통해 텍스트 관계(예: 'marry')를 온톨로지 속성(예: dbp:spouse)과 직접 연결할 수 있다.
• SPARQL 쿼리를 통해 CEVO 어노테이션을 활용해 텍스트 관계와 온톨로지 속성 간 연결을 해결할 수 있으며, 'marry' 동사와 dbp:spouse 속성 간의 연결을 통해 이를 입증하였다.
• CEVO는 다양한 데이터 소스 및 온톨로지 간 일관된 관계 어노테이션을 가능하게 하여 모호성을 줄이고 상호운용성을 향상시켰다.
• 이 온톨로지는 https://shekarpour.github.io/cevo.io/에서 공개되어 있으며, 네임스페이스 https://w3id.org/cevo/를 통해 장기적 재사용 및 통합을 지원한다.