[논문 리뷰] It Runs in the Family: Searching for Similar Names using Digitized Family Trees.

Aviad Elyashar, Rami Puzis외 1명|arXiv (Cornell University)|2019. 12. 09.

Natural Language Processing Techniques인용 수 2

한 줄 요약

이 논문은 1,700만 개의 디지털화된 가계도 데이터를 활용하여 이름의 동의어를 보다 정확하게 제안하는 그래프 기반 알고리즘인 GRAFT를 제안한다. 1,700만 개의 가족 나무 프로파일에서 유도된 이름 유사성 그래프를 구성하고 일반적인 순서 함수를 적용함으로써, GRAFT는 철자, 문자열 매칭, 기계 학습 방법보다도 성능이 뛰어나며, 성과 이름 모두에 대해 동의어 제안을 수행한다.

ABSTRACT

Searching for a person's name is a common online activity. However, Web search engines provide few accurate results to queries containing names. In contrast to a general text which has only one correct spelling, there are several legitimate spellings of a given name. Today, most techniques used to suggest synonyms in online search are based on pattern matching and phonetic encoding, however, they frequently have poor performance. As a result, there is a need for an effective tool for improved synonym suggestion. In this paper, we propose a revolutionary approach for tackling the problem of synonym suggestion. Our novel algorithm titled GRAFT utilizes historical data collected from genealogy websites, along with network algorithms. This is a general algorithm that suggests synonyms based on the construction of a graph-based on names derived from generated digitized ancestral family trees. Synonyms are extracted from this graph constructed using generic ordering functions that outperform other algorithms that suggest synonyms based on a single dimension, a factor that limits their performance. We evaluated GRAFT's performance on forenames and surnames, including the utilization of a large-scale online genealogy dataset with over 17 million profiles and more than 200,000 unique forenames and surnames. For comparison, we compared its performance at suggesting synonyms to nine algorithms, including phonetic encoding, string similarity algorithms, and machine and deep learning techniques. The results show that GRAFT found superior to the evaluated algorithms with respect to both forenames and surnames and demonstrate its use as a tool to improve synonym suggestion.

연구 동기 및 목표

• 웹 검색에서 여러 정당한 철자 방식으로 인해 발생하는 정확도가 떨어지는 이름 동의어 제안 문제를 해결하기 위해.
• 음운 체계 인코딩이나 문자열 유사도와 같은 단일 차원 기법에 의존하는 기존의 동의어 제안 기법을 개선하기 위해.
• 디지털화된 가계도에서 유래한 역사적 이름 데이터를 활용하여 향상된 동의어 탐색을 위한 일반 목적의 알고리즘을 개발하기 위해.
• 제안된 방법의 성능을 다양한 기존 알고리즘들과 비교하여 성과 이름 모두에서 평가하기 위해.
• 대규모 가족 나무 데이터를 활용한 그래프 기반 이름 유사성 모델링의 효과성을 입증하기 위해.

제안 방법

• GRAFT는 노드가 이름을 나타내고, 간선이 대규모 가족 나무 데이터셋에서의 공통 출현을 나타내는 그래프를 구성한다.
• 알고리즘은 이름 그래프 내의 구조적 및 관계적 패턴에 기반하여 순서 함수를 적용하여 동의어 후보를 순위 매기고 추출한다.
• 1,700만 개 이상의 프로파일에서 유래한 역사적 이름 데이터를 사용하여 이름의 공통 출현 빈도를 유도하고, 의미적 또는 철자적 유사성을 유추한다.
• 이 방법은 단순한 음운 또는 문자 수준의 매칭을 넘어서 이름 간 관계를 모델링하기 위해 네트워크 알고리즘을 통합한다.
• 구축된 그래프 내의 국소적 및 전역적 이름 연결 패턴을 분석하여 동의어 제안을 생성한다.
• 다양한 이름 유형과 철자 변형에 걸쳐 광범위한 적용성을 확보하기 위해, 20만 개 이상의 고유한 성과 이름을 포함한 다양한 데이터셋을 사용하여 접근법을 평가한다.

실험 결과

연구 질문

• RQ1 가족 나무 데이터를 활용한 그래프 기반 접근 방식이 기존의 음운 체계 및 문자열 유사도 방법보다 이름 동의어 제안에서 뛰어난 성능을 보일 수 있는가?
• RQ2 대규모 역사적 이름 데이터를 활용할 때 GRAFT는 성과 이름 모두에 대해 동의어 제안에서 얼마나 효과적인가?
• RQ3 이름 그래프에 적용된 일반적인 순서 함수는 단일 차원 기법에 비해 동의어 제안 향상에 얼마나 기여하는가?
• RQ4 조상의 가계도 데이터를 활용하면 동의어 추천의 정확도와 다양성이 향상되는가?
• RQ5 상위 수준의 기계 학습 및 딥 러닝 모델과 비교해 GRAFT는 동의어 제안 작업에서 어떤가?

주요 결과

• GRAFT는 음운 체계 인코딩, 문자열 유사도, 기계 학습 기법을 포함한 9개의 기준 알고리즘보다 성과 이름 모두에서 동의어 제안에서 뚜렷한 성능 향상을 보였다.
• 알고리즘은 단일 기능에 국한된 방법보다 그래프 구조를 통해 다차원 이름 관계를 포착함으로써 뛰어난 성능을 달성했다.
• 1,700만 개의 가족 나무 프로파일을 활용함으로써 이름 변형과 공통 출현 패턴을 강력하게 모델링할 수 있었고, 이는 동의어 탐지 정확도 향상에 기여했다.
• 이름 그래프에 적용된 일반 순서 함수는 단일 차원 접근 방식보다 더 효과적으로 정당한 이름 변형을 식별하는 데 성공했다.
• GRAFT는 다양한 이름 유형과 철자 변형에 걸쳐 일관되고 측정 가능한 동의어 제안 품질 향상을 보였다.
• 결과는 역사적 가계도 데이터가 이름 동의어 추천 시스템 향상에 있어 풍부하지만 아직 활용되지 않은 자원임을 확인시켰다.