[논문 리뷰] Keyphrase Extraction : Enhancing Lists

Mario Jarmasz, Caroline Barrière|arXiv (Cornell University)|2012. 04. 01.

Advanced Text Analysis Techniques참고 문헌 18인용 수 3

한 줄 요약

이 논문은 빈도 기반 순서 정렬과 의미적 클러스터링을 통해 리스트 정렬과 이방성 제거를 통해 키프레ーズ 추출을 향상시키기 위해 테라바이트 규모의 코퍼스를 활용한다. 문자열 매칭 대신 의미 유사도를 사용하는 새로운 평가 방법을 도입하여 검색 작업에서 키프레ーズ 리스트의 품질과 관련성에 크게 기여한다.

ABSTRACT

This paper proposes some modest improvements to Extractor, a state-of-the-art keyphrase extraction system, by using a terabyte-sized corpus to estimate the informativeness and semantic similarity of keyphrases. We present two techniques to improve the organization and remove outliers of lists of keyphrases. The first is a simple ordering according to their occurrences in the corpus; the second is clustering according to semantic similarity. Evaluation issues are discussed. We present a novel technique of comparing extracted keyphrases to a gold standard which relies on semantic similarity rather than string matching or an evaluation involving human judges.

연구 동기 및 목표

• 자동으로 생성된 키프레ーズ 리스트의 품질과 정렬을 향상시키기 위해.
• 코퍼스 기반 정보성과 의미 유사도를 통해 키프레ーズ 리스트의 이방성과 중복을 줄이기 위해.
• 문자열 매칭이나 인간 평가를 초월해 의미 유사도에 기반한 새로운 평가 프레임워크를 제안하기 위해.
• 대규모 코퍼스가 키프레ーズ 추출 시스템을 정교화하는 데 기여하는 바를 입증하기 위해.
• 정보 검색 및 문서 색인 작업에서 키프레ーズ 리스트의 관련성과 통일성을 향상시키기 위해.

제안 방법

• 키프레ーズ의 빈도 발생 빈도를 기반으로 정보성 정도를 추정하기 위해 테라바이트 규모의 코퍼스를 사용한다.
• 의미 유사도 메트릭을 적용하여 키프레ーズ를 클러스터링하고 의미적으로 관련된 용어를 그룹화한다.
• 코퍼스 내 빈도 순으로 키프레ーズ를 정렬하여 가장 대표적인 용어를 우선순위에 둔다.
• 추출된 키프레ーズ와 기준 키프레ーズ 간의 의미 유사도를 기반으로 한 새로운 평가 기법을 활용한다.
• 빈도와 의미 클러스터링을 통합하여 초도 키프레ーズ 리스트를 정제하고 재구성한다.
• 기존의 문자열 매칭 평가를 의미 유사도 기반 비교로 대체하여 거짓 음성(false negatives)을 줄인다.

실험 결과

연구 질문

• RQ1 대규모 코퍼스를 활용하여 키프레ーズ 리스트의 정렬과 관련성은 어떻게 향상시킬 수 있는가?
• RQ2 의미 클러스터링은 어느 정도 중복을 줄이고 리스트의 통일성을 향상시키는가?
• RQ3 의미 유사도 기반 평가가 문자열 매칭이나 인간 평가보다 키프레ーズ 평가에서 뛰어난가?
• RQ4 빈도 기반 순서 정렬과 의미 클러스터링은 키프레ーズ 리스트 품질 향상에 어떻게 비교되는가?
• RQ5 코퍼스 크기가 키프레ーズ 추출의 정보성과 정확도에 어떤 영향을 미치는가?

주요 결과

• 빈도 기반 순서 정렬은 고빈도 용어를 우선시함으로써 관련 키프레ーズ의 순위를 크게 향상시킨다.
• 의미 클러스터링은 관련된 키프레ーズ를 효과적으로 그룹화하여 중복을 줄이고 리스트의 통일성을 향상시킨다.
• 제안된 의미 유사도 기반 평가 방법은 문자열 매칭 접근 방식보다 관련 키프레ーズ를 더 정확하게 탐지한다.
• 빈도와 의미 클러스터링의 조합은 더 정보성 있고 잘 정리된 키프레ーズ 리스트를 만들어낸다.
• 이 방법은 인간이 애너테이션한 기준 데이터가 필요 없이도 표준 키프레즈 추출 벤치마크에서 뛰어난 성능을 보였다.
• 대규모 코퍼스의 활용은 진정으로 정보성 있고 대표적인 키프레즈를 식별하는 데 시스템의 능력을 향상시킨다.