[논문 리뷰] Enriching very large ontologies using the WWW

Eneko Agirre, Olatz Ansa외 2명|ArXiv.org|2000. 10. 17.

Natural Language Processing Techniques참고 문헌 22인용 수 255

한 줄 요약

이 논문은 웹 문서를 활용하여 WordNet의 주제적 관계 부족과 어휘의 다의어 증가 문제를 해결하기 위해 주제 서명과 어휘의 의미에 대한 계층적 클러스터링을 제안한다. 각 개념에 대해 웹 문서를 검색하고 공시어(term)를 추출함으로써 주제 서명을 생성함으로써 어휘의 의미 해석 성능을 향상시키며, 수작업 검토 후 SemCor에서 91%의 정확도를 달성한다.

ABSTRACT

This paper explores the possibility to exploit text on the world wide web in order to enrich the concepts in existing ontologies. First, a method to retrieve documents from the WWW related to a concept is described. These document collections are used 1) to construct topic signatures (lists of topically related words) for each concept in WordNet, and 2) to build hierarchical clusters of the concepts (the word senses) that lexicalize a given word. The overall goal is to overcome two shortcomings of WordNet: the lack of topical links among concepts, and the proliferation of senses. Topic signatures are validated on a word sense disambiguation task with good results, which are improved when the hierarchical clusters are used.

연구 동기 및 목표

• WordNet이 '박스'와 '야구' 또는 '포크'와 '저녁 식사'처럼 관련 개념 간에 명시적인 주제적 연결이 부족한 문제를 해결하기 위해.
• 웹 데이터에서 유도된 주제 일관성 기반으로 어휘의 의미를 계층적으로 클러스터링하여 WordNet의 어휘의 다의어 증가 문제를 줄이기 위해.
• 어휘의 의미 해석 과제를 중심으로 평가하여 자동으로 확보한 의미 지식의 유용성을 검증하기 위해.
• WordNet과 같은 대규모 온톨로지의 풍부화에 웹을 확장 가능한 자료로 활용할 수 있는지의 가능성을 탐색하기 위해.
• 웹에서 확보한 대규모 주제 문서 컬렉션을 활용하여 주제 서명의 품질과 관련성을 향상시키기 위해.

제안 방법

• 동의어, 설명문, 가까운 관련어를 기반으로 한 검색 전략을 사용하여 각 WordNet 개념에 대해 웹 문서를 검색하며, 이전 검색 전략이 실패할 경우 점진적인 후속 조치를 취한다.
• 문서에서 주제적으로 관련된 단어를 추출하여 어휘 빈도와 동시 발생 통계를 활용해 주제 서명을 구성한다.
• 클러스터링 알고리즘을 사용하여 유사한 주제 서명을 가진 개념을 그룹화함으로써 주어진 어근(lemma)에 대한 어휘의 의미에 대한 계층적 클러스터를 구축한다.
• SemCor 코퍼스에서 골드 표준 의미 태그를 사용하여 주제 서명과 클러스터를 어휘의 의미 해석 과제를 통해 검증한다.
• 저품질 문서(예: 짧은 인덱스, 표지 페이지 등)를 제거하고 웹 데이터의 편향을 줄이기 위해 필터링 기법을 적용한다.
• 정밀도 향상을 위해 동의어, 설명어(term), 그리고 NEAR 연산자를 조합한 다단계 검색 전략을 사용한다.

실험 결과

연구 질문

• RQ1 웹 문서를 효과적으로 활용하여 WordNet 개념 간의 주제적 관계를 반영하는 주제 서명을 생성할 수 있는가?
• RQ2 주제 서명을 기반으로 한 어휘의 의미에 대한 계층적 클러스터링이 WordNet의 어휘의 다의어 증가 문제에 미치는 영향을 줄일 수 있는가?
• RQ3 자동으로 확보한 주제 서명과 클러스터는 얼마나 어휘의 의미 해석 성능을 향상시키는가?
• RQ4 웹 검색의 품질이 주제 서명과 의미 클러스터의 신뢰성에 어떤 영향을 미치는가?
• RQ5 대규모 온톨로지의 의미 풍부화에 웹을 자료로 활용할 때의 주요 과제는 무엇인가?

주요 결과

• 이 방법은 평균적으로 어휘의 의미당 670개의 문서를 성공적으로 검색하였으며, 수작업 검토 후 각 의미의 상위 10개 예시 중 91%가 정확하게 판단되었다.
• 웹 문서에서 유도된 주제 서명은 특히 계층적 클러스터링과 결합되었을 때 어휘의 의미 해석 성능 향상에 효과적이었다.
• 주제 서명의 품질은 특히 '소년'처럼 민감하거나 모호한 어휘에 대해 노이즈가 많고 편향되며 내용이 적은 웹 문서로 인해 제한을 받았다.
• 질의 전략 수립이 주요 병목 현상이었으며, 다양한 어휘의 의미 간에 일관되지 않은 검색 성능을 보였고, 재현율과 정밀도 사이의 균형을 확보하기 어려웠다.
• 노이즈와 편향을 줄이기 위해 필터링 기법과 개선된 질의 전략이 주제 서명의 품질 향상에 필수적이다.
• 이 접근법은 웹을 활용하여 대규모 온톨로지를 풍부화시키는 것이 가능함을 보여주며, 주제 서명이 더 나은 주제 일관성과 의미 클러스터링을 가능하게 한다.