[논문 리뷰] Content Selection in Data-to-Text Systems: A Survey

Dimitra Gkatzia|arXiv (Cornell University)|2016. 10. 26.

Web Data Mining and Analysis참고 문헌 71인용 수 7

한 줄 요약

이 종합 검토는 시간적 변화 데이터인 센서, 기상, 주식 시장 데이터 등과 같은 시계열 데이터에 특화된 데이터에서 텍스트로의 생성 시 콘텐츠 선택에 대한 포괄적인 개요를 제공한다. 규칙 기반 및 학습 가능한(통계적/기계 학습 기반) 접근 방식을 평가하며, 도메인 크기, 데이터 가용성, 사용자 요구 사항에 따라 그 강점, 한계 및 적합성을 강조한다. 또한 적응형, 다중 모odal, 불확실성 인식 NLG 시스템을 위한 의사결정 프레임워크와 향후 연구 방향을 제시한다.

ABSTRACT

Data-to-text systems are powerful in generating reports from data automatically and thus they simplify the presentation of complex data. Rather than presenting data using visualisation techniques, data-to-text systems use natural (human) language, which is the most common way for human-human communication. In addition, data-to-text systems can adapt their output content to users' preferences, background or interests and therefore they can be pleasant for users to interact with. Content selection is an important part of every data-to-text system, because it is the module that determines which from the available information should be conveyed to the user. This survey initially introduces the field of data-to-text generation, describes the general data-to-text system architecture and then it reviews the state-of-the-art content selection methods. Finally, it provides recommendations for choosing an approach and discusses opportunities for future research.

연구 동기 및 목표

• 시간적 변화 데이터에 특히 초점을 맞춰 데이터에서 텍스트 생성의 콘텐츠 선택 방법에 대한 통합적이고 최신의 리뷰를 제공하는 것.
• 복잡한 도메인 특화 데이터에서 어떤 정보를 텍스트 요약에 포함시할 것인지 결정하는 데 도전 과제를 다루는 것.
• 도메인 크기, 데이터 가용성, 시스템 목표에 따라 적절한 콘텐츠 선택 접근 방식을 선택하는 데 연구자와 전문가를 안내하는 것.
• 적응형, 다중 모달, 불확실성 인식 NLG 시스템 분야의 열린 연구 질문을 식별하는 것.
• 컴퓨터 언어학, 인공지능, 데이터 마이닝 분야의 다양한 문헌을 탐색하는 데 신규 연구자와 경험이 많은 연구자 모두를 지원하는 것.

제안 방법

• 콘텐츠 선택 방법을 두 가지 주요 범주로 분류: 규칙 기반 시스템과 학습 가능한(통계적/기계 학습 기반) 접근 방식.
• 수동으로 작성된 규칙에 의존하는 규칙 기반 시스템을 분석하며, 그들의 강건성과 도메인 특화 성질을 강조한다.
• 약어 데이터 코퍼스에서 학습하는 학습 가능한 방법을 검토하며, 확장성과 전문 지식이 감소한 요구 사항을 강조한다.
• 도메인 크기, 데이터 가용성, 평가 필요성에 관한 核심 질문을 포함한 의사결정 프레임워크를 제안하여 접근 방식 선택을 안내한다.
• 사용자 선호도 및 NLG 시스템의 적응 가능성 통합에 대해 논의하며, 사용자 중심 설계의 중요성을 강조한다.
• 텍스트와 시각적 데이터를 결합한 다중 모달 접근 방식을 검토하며, 전이 학습과 불확실성 모델링이 NLG에서 가지는 잠재적 기여를 분석한다.

실험 결과

연구 질문

• RQ1 규칙 기반 접근 방식과 학습 가능한 접근 방식 간의 주요 차이점과 상호 간의 상충 관계는 무엇인가? (데이터에서 텍스트로의 생성 시 콘텐츠 선택에 대해)
• RQ2 사용자 선호도, 배경 또는 관심사에 따라 데이터에서 텍스트 생성의 콘텐츠 선택을 어떻게 적응시킬 수 있는가?
• RQ3 사용자 참여가 포함된 경우, 데이터에서 텍스트로의 생성 시 콘텐츠 선택에 대한 가장 효과적인 평가 전략은 무엇인가?
• RQ4 콘텐츠 선택 모델을 다른 도메인 간에 이식하거나 새로운 언어에 맞게 어떻게 적응시킬 수 있는가?
• RQ5 텍스트와 시각 정보를 융합하여 데이터 요약을 향상시키는 데 있어 도전 과제와 기회는 무엇인가?

주요 결과

• 규칙 기반 콘텐츠 선택 시스템은 소규모이고 잘 정의된 도메인에서는 강건하고 해석 가능하지만, 구축 비용이 높고 도메인 간 이식성이 없음.
• 학습 가능한 접근 방식은 확장성, 재사용성, 개발 비용 절감에 유리하지만, 대규모 고품질 학습 데이터셋이 필요하며, 데이터가 부족할 경우 일관성 없는 콘텐츠 생성 위험이 있음.
• 콘텐츠 선택은 본질적으로 도메인 의존적이며, 일반 목적의 모델은 여전히 도전 과제이지만, 전이 학습은 유망한 해결 방향을 제시함.
• 텍스트와 시각적 데이터(예: 그래프)를 결합한 다중 모달 시스템은 단일 모달 시스템보다 의사결정 효과성이 향상되어, 하이브리드 NLG 시스템의 강력한 잠재력을 보여줌.
• 금융 및 기상 분야와 같이 불확실성이 흔한 분야에서는 불확실성을 효과적으로 생성된 텍스트에 반영할 수 있는 방법의 필요성이 점점 커지고 있음.
• 가능한 한 실제 사용자를 포함한 평가가 이루어져야 하며, 선택된 접근 방식은 시스템의 목적, 도메인, 가용 지식 자원과 일치시켜야 함.