[논문 리뷰] NLML--a Markup Language to Describe the Unlimited English Grammar

Jiyou Jia|ArXiv.org|2004. 04. 07.

Natural Language Processing Techniques참고 문헌 14인용 수 7

한 줄 요약

이 논문은 문법적으로 올바른 영어 문장의 전체 문법적 및 의미적 구조를 표현하기 위해 설계된 도메인 특화 마크업 언어인 NLML(Natural Language Markup Language)을 소개한다. 이는 복잡성, 어순, 어미, 시제 등에 관계없이 문장, 절, 어절의 계층적이고 확장 가능한 모델링을 가능하게 하며, NLOJM 및 NLDB와 같은 NLP 시스템에서의 응용을 통해 무제한의 영어 문법 표현을 위한 표준화되고 기계로 읽을 수 있는 프레임워크를 제공한다.

ABSTRACT

In this paper we present NLML (Natural Language Markup Language), a markup language to describe the syntactic and semantic structure of any grammatically correct English expression. At first the related works are analyzed to demonstrate the necessity of the NLML: simple form, easy management and direct storage. Then the description of the English grammar with NLML is introduced in details in three levels: sentences (with different complexities, voices, moods, and tenses), clause (relative clause and noun clause) and phrase (noun phrase, verb phrase, prepositional phrase, adjective phrase, adverb phrase and predicate phrase). At last the application fields of the NLML in NLP are shown with two typical examples: NLOJM (Natural Language Object Modal in Java) and NLDB (Natural Language Database).

연구 동기 및 목표

• 영어 문법의 전반적인 범위를 표준화되고 확장 가능하며 기계로 읽을 수 있는 형식으로 표현하기 위한 부족함을 보완하기 위해.
• 자연어의 구문론적 및 의미론적 구조를 단순하고 관리하기 쉬우며 직접 저장 가능한 형태로 제공하기 위해.
• 복합 문장, 다양한 어순, 어미, 시제, 어절 유형을 포함한 영어의 모든 문법적 변형을 모델링할 수 있도록 하기 위해.
• 형식화된 문법 기술 언어를 통해 실용적인 NLP 응용을 지원하기 위해.
• 구조적이고 계층적인 마크업을 통해 프로그래밍 및 데이터베이스 시스템과의 통합을 촉진하기 위해.

제안 방법

• XML 유사 문법을 기반으로 한 계층적이고 확장 가능한 마크업 언어로서 구문론적 및 의미론적 구조를 표현하기 위해 NLML를 설계하기 위해.
• 세 가지 추상화 수준 정의: 문장 수준(어순, 어미, 시제, 복잡성 포함), 절 수준(관계절 및 명사절), 어절 수준(명사어절, 동사어절, 전치사어절, 형용사어절, 부사어절, 술어어절).
• 각 구조적 구성 요소 내부의 구문론적 역할과 의미 관계를 인코딩하기 위해 형식화된 스키마 사용하기.
• 자연어 표현을 기계 처리 가능한 NLML 표현으로 직접 매핑할 수 있도록 하여 계산 처리를 가능하게 하기 위해.
• 프로그래밍 및 데이터베이스 액세스를 위해 NLOJM(Natural Language Object Model in Java) 및 NLDB(Natural Language Database)와 같은 NLP 시스템에 NLML 통합하기.
• 문법 인식 가능한 파싱 및 추론을 가능하게 하여 자연어 인터페이스를 지원하기 위해 언어 적용하기.

실험 결과

연구 질문

• RQ1 어떻게 하면 영어 문법의 전체적이고 무제한적인 범위를 체계적이고 확장 가능한 방식으로 마크업 언어로 표현할 수 있는가?
• RQ2 문장, 절, 어절을 완전한 구문론적 및 의미론적 정밀도로 모델링하기 위해 필요한 계층적 추상화 수준은 무엇인가?
• RQ3 NLML는 어떻게 어순, 어미, 시제, 절의 복잡성과 같은 다양한 문법적 기능을 지원할 수 있는가?
• RQ4 NLML는 자연어 데이터베이스 및 객체 모델링과 같은 실용적 응용을 위해 NLP 시스템에 어떻게 통합될 수 있는가?
• RQ5 간편함, 관리 용이성, 직접 저장 가능성 측면에서 기존의 문법 표현 형식에 비해 NLML가 제공하는 장점은 무엇인가?

주요 결과

• NLML는 복합 문장과 다양한 문법적 어미 및 시제를 포함하여 문법적으로 올바른 영어 표현을 여러 구조 수준에서 성공적으로 모델링한다.
• 언어는 구문론적 및 의미론적 구조를 직접 손실 없이 표현할 수 있도록 하여 모호하지 않은 파싱 및 처리를 지원한다.
• NLML는 확장성과 모듈성을 지원하여 핵심 스키마를 재구성하지 않고도 새로운 문법 형태를 추가할 수 있다.
• NLOJM에 NLML 통합은 자연어 기술 기반의 직접적인 자바 객체 생성을 가능하게 하여 소프트웨어 개발 생산성을 향상시킨다.
• NLDB는 NLML가 자연어 기반 데이터베이스 인터페이스를 구동시킬 수 있음을 보여주며, 사용자가 전체 문장 표현을 사용하여 데이터를 질의할 수 있도록 한다.
• 이 방법은 모호성 감소와 자연어 시스템 간의 상호운용성 향상 측면에서 효과적임을 입증한다.