[논문 리뷰] Multilingual Schema Matching for Wikipedia Infoboxes

Thanh Nguyen, Viviane P. Moreira외 3명|arXiv (Cornell University)|2011. 10. 30.

Topic Modeling참고 문헌 27인용 수 9

한 줄 요약

이 논문은 구문적 유사성이나 외부 자원에 의존하지 않고 의미적, 어휘적, 구조적 유사성 신호를 조합하는 트레이닝 프리인 자동 다국어 스키마 매칭 방법인 WikiMatch를 제안한다. 이는 의미적으로 다를 수 있는 언어 쌍, 예를 들어 베트남어와 영어와 같은 형태학적으로 다를 수 있는 언어 쌍에서도 높은 정밀도와 재현율을 달성하며, 다국어 속성 정렬 분야에서 최신 기술을 능가한다.

ABSTRACT

Recent research has taken advantage of Wikipedia's multilingualism as a resource for cross-language information retrieval and machine translation, as well as proposed techniques for enriching its cross-language structure. The availability of documents in multiple languages also opens up new opportunities for querying structured Wikipedia content, and in particular, to enable answers that straddle different languages. As a step towards supporting such queries, in this paper, we propose a method for identifying mappings between attributes from infoboxes that come from pages in different languages. Our approach finds mappings in a completely automated fashion. Because it does not require training data, it is scalable: not only can it be used to find mappings between many language pairs, but it is also effective for languages that are under-represented and lack sufficient training samples. Another important benefit of our approach is that it does not depend on syntactic similarity between attribute names, and thus, it can be applied to language pairs that have distinct morphologies. We have performed an extensive experimental evaluation using a corpus consisting of pages in Portuguese, Vietnamese, and English. The results show that not only does our approach obtain high precision and recall, but it also outperforms state-of-the-art techniques. We also present a case study which demonstrates that the multilingual mappings we derive lead to substantial improvements in answer quality and coverage for structured queries over Wikipedia content.

연구 동기 및 목표

• 다양한 언어의 인포박스 간 스키마 매칭을 가능하게 하여 위키피디아에서 다국어 구조화된 쿼리를 지원하는 데 도전하는 것.
• 학습 데이터가 필요로 하지 않는 확장 가능한 자동화된 접근법을 개발하여, 자원이 적거나 형태학적으로 다를 수 있는 언어 쌍에도 적용 가능하도록 하는 것.
• 기존 방법이 구문적 유사성이나 대규모 주석이 달린 학습 데이터에 의존하는 데서 비롯되는 한계를 극복하고, 특히 다수의 언어가 아닌 언어에 대해 개선하는 것.
• 다국어 쿼리에서 정답 품질과 커버리지 향상을 위해 다양한 언어 간 신뢰할 수 있는 속성 대응 관계를 발견하는 것.
• 실제 쿼리 워크로드를 대상으로 한 사례 연구를 통해 다국어 스키마 정렬의 실용적 이점을 입증하는 것.

제안 방법

• WikiMatch는 가중치 기반 융합 전략을 사용하여 의미적, 어휘적, 구조적 유사성 신호를 조합하여 다국어 속성 대응 관계를 식별한다.
• 반복적 정밀화를 통해 높은 신뢰도의 매칭을 우선시하여 매칭 과정에서 오류 전파를 최소화한다.
• 학습 데이터, 외부 사전, 기계 번역 시스템이 필요로 하지 않으며, 대신 위키피디아의 내재된 구조와 콘텐츠에 기반한다.
• 다국어 링크와 값의 동시 발생 패턴을 활용하여 다양한 언어 간 속성 간 의미적 유사성을 유추한다.
• 신뢰도 점수에 따라 동적으로 조정되는 유사도 임계값 메커니즘을 사용하여 정밀도와 재현율의 균형을 맞춘다.
• n-그램 유사도, 의미 임베딩, 속성-값 정렬 등의 기능을 체계적으로 조합하여 이질적인 인포박스 스키마 간의 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 형태학적으로 다를 수 있는 언어 간에 트레이닝 프리 접근법이 높은 정밀도로 다국어 스키마 매칭을 달성할 수 있는가?
• RQ2 저자원 언어 쌍에서 최신 기술 대비 WikiMatch의 정밀도, 재현율, 확장성 측면에서의 성능은 어떠한가?
• RQ3 유도된 다국어 매핑이 다국어 위키피디아 콘텐츠에 대한 구조화된 쿼리에서 정답 커버리지와 품질을 얼마나 향상시키는가?
• RQ4 스키마 드리프트, 다의어, 동의어로 인해 속성 이름과 구조가 크게 다를 경우, 이 방법은 여전히 효과가 있는가?
• RQ5 대규모 주석이 달린 학습 데이터가 필요 없이 베트남어나 포르투갈어와 같이 다수의 언어가 아닌 언어에 효과적으로 적용될 수 있는가?

주요 결과

• WikiMatch는 포르투갈어-영어 및 베트남어-영어 언어 쌍에서 최신 기술을 능가하며 높은 정밀도와 재현율을 달성한다.
• 구문적 유사성 기반 방법이 실패할 수 있는 형태학적으로 다를 수 있는 언어, 예를 들어 베트남어와 영어 간에도 효과적이다.
• 학습 데이터나 기계 번역 시스템과 같은 외부 자원이 필요로 하지 않아 저자원 언어에 대해 확장 가능하고 적용 가능하다.
• 사례 연구에서 WikiMatch를 통해 유도된 매핑을 활용하면 쿼리를 영어로 번역하고 영어 위키피디아 콘텐츠를 활용함으로써 다국어 쿼리의 정답 커버리지와 품질이 향상됨을 보여준다.
• 스키마가 높은 다국어 이질성과 제한된 데이터 인스턴스를 가진 엔티티 유형에서도 강력한 성능을 유지한다.
• 실험 결과 WikiMatch는 스키마 드리프트, 다의어, 동의어에 대해 강건하며, Ziggurat 및 COMA++와 같은 기존 방법보다 정밀도와 재현율 측면에서 뛰어나다.