[논문 리뷰] Network analysis of named entity interactions in written texts

Diego R. Amancio|arXiv (Cornell University)|2015. 09. 17.

Advanced Text Analysis Techniques참고 문헌 4인용 수 3

한 줄 요약

이 논문은 문장 내 동일한 문맥에서 공존하는 명명된 실체(예: 캐릭터, 장소, 조직)를 연결하는 네트워크 모델을 제안하여 문장 내 구조를 드러낸다. 책을 분석함으로써 짧은 경로 길이, 높은 군집 계수, 모듈화된 조직 구조를 규명하였으며, 기존의 단어 인접 네트워크보다 미지의 참조를 식별하는 데 뛰어난 성능을 보였다.

ABSTRACT

The use of methods borrowed from statistics and physics has allowed for the discovery of unprecedent patterns of human behavior and cognition by establishing links between models features and language structure. While current models have been useful to identify patterns via analysis of syntactical and semantical networks, only a few works have probed the relevance of investigating the structure arising from the relationship between relevant entities such as characters, locations and organizations. In this study, we introduce a model that links entities appearing in the same context in order to capture the complexity of entities organization through a networked representation. Computational simulations in books revealed that the proposed model displays interesting topological features, such as short typical shortest path length, high values of clustering coefficient and modular organization. The effectiveness of the our model was verified in a practical pattern recognition task in real networks. When compared with the traditional word adjacency networks, our model displayed optimized results in identifying unknown references in texts. Because the proposed model plays a complementary role in characterizing unstructured documents via topological analysis of named entities, we believe that it could be useful to improve the characterization written texts when combined with other traditional approaches based on statistical and deeper paradigms.

연구 동기 및 목표

• 네트워크 분석을 통해 문장 내 명명된 실체의 구조적 조직을 조사한다.
• 기존 모델이 문법적 또는 의미적 네트워크에 집중하는 데 반해 실체 상호작용을 다루지 않는 한계를 해결한다.
• 문맥적 관계를 포착하는 네트워크 모델을 개발하여 텍스트 특성화를 향상시킨다.
• 비구조적 텍스트에서 미지의 참조를 식별하는 데 모델의 효과성을 평가한다.

제안 방법

• 노드가 명명된 실체(예: 캐릭터, 장소, 조직)를 나타내고, 실체들이 동일한 문맥에서 공존할 경우 간선이 형성되는 네트워크를 구축한다.
• 책 코퍼스를 대상으로 계산 시뮬레이션을 수행하여 최단 경로 길이, 군집 계수, 모ularity와 같은 구조적 특성을 분석한다.
• 실제 텍스트 분석 작업, 특히 미지의 참조 해결을 포함한 패턴 인식에 모델을 적용한다.
• 기존의 단어 인접 네트워크와 비교하여 제안된 모델이 미지의 참조를 식별하는 데 성능을 평가한다.
• 구조적 복잡성과 실체 네트워크의 조직을 평가하기 위해 구조적 지표를 활용한다.
• 통계적 및 딥러닝 접근법과의 조합으로 텍스트 특성화를 향상시키기 위해 모델을 보완 도구로 통합한다.

실험 결과

연구 질문

• RQ1 문장 내 명명된 실체 상호작용은 어떻게 구조적 네트워크를 형성하는가?
• RQ2 텍스트적 문맥에서 명명된 실체의 공존을 모델링할 경우 어떤 구조적 특징이 드러나는가?
• RQ3 제안된 모델은 단어 인접 네트워크와 비교해 미지의 참조 식별에 어떻게 성능을 냈는가?
• RQ4 명명된 실체의 네트워크 구조는 텍스트의 기반이 되는 조직을 어느 정도 반영하는가?
• RQ5 기존 방법과 결합할 경우 모델이 비구조적 문서의 특성화를 얼마나 향상시킬 수 있는가?

주요 결과

• 제안된 모델은 짧은 평균 최단 경로 길이를 생성하여 실체 간 효율적인 연결성을 나타낸다.
• 높은 군집 계수는 명명된 실체 간 강한 국소적 유대감을 시사하며, 주제적 또는 서사적 그룹화를 반영한다.
• 네트워크는 모듈화된 조직을 보이며, 관련 실체의 고유한 클러스터를 나타내며, 서사적 부플롯이나 주제적 섹션과 관련이 있을 가능성이 높다.
• 모델은 문장 내 미지의 참조를 식별하는 데 기존의 단어 인접 네트워크를 능가하며, 더 뛰어난 패턴 인식 능력을 입증한다.
• 짧은 경로, 높은 군집 계수, 모듈화와 같은 구조적 특징은 실체 관계에 복잡하고 비랜덤한 조직을 드러낸다.
• 모델은 통계적 및 딥러닝 모델과의 조합에서 보완적 접근법으로 기능하며, 명명된 실체의 구조적 분석을 통해 텍스트 특성화를 향상시킨다.