[논문 리뷰] Disambiguating bilingual nominal entries against WordNet

Germán Rigau, Eneko Agirre|arXiv (Cornell University)|1995. 10. 04.

Natural Language Processing Techniques참고 문헌 9인용 수 34

한 줄 요약

이 논문은 프랑스어-영어 및 스페인어-영어 사전의 双어 명사 어휘 항목을 해석하기 위해 의미 밀도와 어휘 체계 활용이라는 두 가지 보완적인 접근 방식을 사용하여 WordNet에 연결함으로써 의미 모호성을 해소하는 방법을 제안한다. 주요 기여는 24,535개의 연결을 가진 다국어 어휘 지식 기반(MLKB)으로, 수작업 정확도는 78%이며 가능한 최대 연결의 90%를 커버한다.

ABSTRACT

This paper explores the acquisition of conceptual knowledge from bilingual dictionaries (French/English, Spanish/English and English/Spanish) using a pre-existing broad coverage Lexical Knowledge Base (LKB) WordNet. Bilingual nominal entries are disambiguated agains WordNet, therefore linking the bilingual dictionaries to WordNet yielding a multilingual LKB (MLKB). The resulting MLKB has the same structure as WordNet, but some nodes are attached additionally to disambiguated vocabulary of other languages. Two different, complementary approaches are explored. In one of the approaches each entry of the dictionary is taken in turn, exploiting the information in the entry itself. The inferential capability for disambiguating the translation is given by Semantic Density over WordNet. In the other approach, the bilingual dictionary was merged with WordNet, exploiting mainly synonymy relations. Each of the approaches was used in a different dictionary. Both approaches attain high levels of precision on their own, showing that disambiguating bilingual nominal entries, and therefore linking bilingual dictionaries to WordNet is a feasible task.

연구 동기 및 목표

• 자연어 처리 시스템에서 수작업으로 어휘 항목을 생성하는 데 드는 노동력 문제를 해결하기 위해.
• 기존의 어휘 지식 기반인 WordNet을 활용하여 이중어 사전에서 개념 지식을 자동으로 확보하기 위해.
• 의미 해소를 위한 두 가지 보완 기법(의미 밀도 및 구조적 융합)을 개발하고 평가하기 위해.
• 이중어 사전 항목을 WordNet의 동의어 집합에 연결하여 다국어 어휘 지식 기반(MLKB)을 구축하기 위해.
• 맥락 인식 기반의 의미 해소 및 구조적 특성 활용을 통해 다국어 어휘 자원의 커버리지와 정밀도를 향상시키기 위해.

제안 방법

• 맥락적 단서(예: 의미 분야, 프랑스어 단서, 번역 다의어성 등)를 기반으로 WordNet의 의미 밀도를 사용하여 번역의 의미를 해소하기 위해.
• WordNet에 직접 존재하지 않는 복잡한 번역 및 단서를 처리하기 위해 형태학적 분석을 적용하기 위해.
• 동의어 관계와 항목 간 공통 번역을 활용하여 이중어 사전과 WordNet을 융합하기 위해.
• 이중어 하위항목을 네 가지 의미 해소 유형으로 분류하기 위해: 단의어 번역, 다의어 번역, 프랑스어 단서, 의미 분야.
• 두 방법의 결과를 결합하여 커버리지와 정밀도를 극대화하고, 100개의 연결에 대해 수작업 검증을 수행하기 위해.
• 번역 등가성과 구조적 정렬을 기반으로 스페인어 명사를 WordNet의 동의어 집합에 연결하여 마이크로-스페인어 WordNet을 구축하기 위해.

실험 결과

연구 질문

• RQ1 맥락적 단서가 존재할 경우, WordNet 기반 의미 밀도가 이중어 명사 어휘 항목의 의미 해소에 효과적으로 작용하는가?
• RQ2 이중어 사전의 구조적 패턴(예: 동의어 관계 및 공통 번역)을 맥락에 의존하지 않고 WordNet에 항목을 연결하는 데 얼마나 활용될 수 있는가?
• RQ3 맥락 기반 의미 해소와 구조적 융합을 결합할 경우, 다국어 어휘 지식 기반의 커버리지와 정확도가 어떻게 향상되는가?
• RQ4 하이브리드 기법을 사용하여 이중어 사전 항목을 WordNet에 연결할 때 달성 가능한 커버리지와 정확도는 어느 정도인가?
• RQ5 의미 해소 단서의 유형(예: 의미 분야, 단서, 다의어 번역 등)이 전체 성공률에 기여하는 정도는 어떠한가?

주요 결과

• 수작업 평가에서 랜덤으로 선택한 100개의 연결에 대해 78%의 정확도를 달성하여, 이중어 항목을 WordNet에 연결하는 데 높은 정밀도를 보였다.
• 총 24,535개의 연결이 12,039개의 스페인어 명사와 15,897개의 WordNet 동의어 집합 간에 수립되었으며, 가능한 최대 연결의 90%를 커버하는 마이크로-스페인어 WordNet을 형성하였다.
• 다의어 번역(사례 2)이 가장 많은 연결(14,164개)을 기여하였고, 그 다음으로 단일 번역(11,089개), 공통 번역(3,164개)이 이어져, 구조적 융합의 높은 생산성을 보여주었다.
• 영어 번역에 대한 WordNet 커버리지가 76%로 제한되었으며, 주로 다의어성, 복수형, 직접 WordNet 항목에 매칭되지 않는 복잡한 어구로 인해 발생하였다.
• 최종 MLKB에서 다의어 비율은 스페인어 명사당 평균 2.03개의 동의어 집합이며, 동의어 정도는 1.54로, 어휘의 다의어성을 효과적으로 다루었다.
• 의미 밀도와 구조적 융합 기법의 조합은 각각의 방법을 단독으로 사용할 때보다 더 높은 커버리지를 달성하여, 두 기법 간의 강한 보완성이 입증되었다.