[논문 리뷰] Object-oriented semantics of English in natural language understanding system

Yuriy Ostapov|arXiv (Cornell University)|2011. 09. 27.

linguistics and terminology studies참고 문헌 2인용 수 5

한 줄 요약

이 논문은 자연어 이해를 위한 객체지향적 의미 프레임워크를 제안하며, 영어 문장을 사람, 행동, 사건, 관계를 나타내는 술어로 구성된 구조화된 의미 데이터베이스로 매핑한다. 지식 표현을 코드에서 분리하고 추론 엔진을 사용함으로써, 시스템(LEIBNIZ)은 사회적 행동에 관한 질문에 대해 타당한 답변을 가능하게 하여, 온톨로지 기반 자연어 이해의 확장성 있고 확장 가능한 접근법을 보여주며, 다국어 환경에의 적응 가능성을 지닌다.

ABSTRACT

A new approach to the problem of natural language understanding is proposed. The knowledge domain under consideration is the social behavior of people. English sentences are translated into set of predicates of a semantic database, which describe persons, occupations, organizations, projects, actions, events, messages, machines, things, animals, location and time of actions, relations between objects, thoughts, cause-and-effect relations, abstract objects. There is a knowledge base containing the description of semantics of objects (functions and structure), actions (motives and causes), and operations.

연구 동기 및 목표

• 객체지향 원칙에 기반한 확장성 있고 확장 가능한 자연어 이해 프레임워크를 개발하기 위해.
• 사람, 행동, 사건, 관계, 동기, 원인 등을 포함한 사회적 행동 사실을 의미 데이터베이스 내의 구조화된 술어로 표현하기 위해.
• 의미 지식 표현을 프로그램 로직에서 분리하여 유지보수의 용이성과 더 큰 어휘 및 사실 데이터셋에의 적응 가능성을 높이기 위해.
• 전용 추론 엔진을 통해 사회적 사실에 관한 질문에 대해 타당한 추론 기반 답변을 가능하게 하기 위해.
• 프로그래밍 로직과 독립적인 모듈화되고 데이터 기반의 아키텍처를 통해 다른 유럽어로의 이식 가능성을 지원하기 위해.

제안 방법

• 백누스-뇌어 포맷(BNF)으로 표현된 형식 문법 규칙을 사용하여 영어 문장을 의미 데이터베이스로 매핑하기 위해.
• 지식 기반 내에서 속성과 관계를 갖는 술어로서 실체(사람, 조직, 행동)를 표현하기 위해.
• 의미 역할, 행동, 동기, 원인을 정의하는 '프레임'을 통해 동사 의미를 인코딩하기 위해.
• 생산 시스템 원리를 사용하여 조건, 도구, 대체 경로를 갖는 행동의 시퀀스로서 운영을 모델링하기 위해.
• 의미 정의, 객체 구조, 행동 프레임을 지속 가능한 데이터베이스에 저장하여 검색 및 추론을 가능하게 하기 위해.
• 질의 해결을 위한 전용 추론 엔진을 갖춘 VISUAL PROLOG를 구현 환경으로 사용하기 위해.

실험 결과

연구 질문

• RQ1 어떻게 객체지향 원칙을 사용하여 사회적 행동 사실을 모델링할 수 있는가?
• RQ2 영어 문장을 기계 처리 가능한 의미 술어로 분석하기 위해 필요한 형식 문법과 문법적 구조는 무엇인가?
• RQ3 의미 역할, 동기, 원인을 포함한 동사 의미를 체계적으로 인코딩하고 행동에 연결하는 방법은 무엇인가?
• RQ4 의미 데이터를 프로그램 로직에서 분리하면 NLU 시스템의 확장성과 유지보수성은 어떻게 향상되는가?
• RQ5 이 접근법은 사회적 사건과 인과 관계에 관한 복잡한 질문에 대해 타당한 추론을 지원할 수 있는가?

주요 결과

• LEIBNIZ 시스템은 사람, 행동, 사건, 관계를 나타내는 술어로 구성된 구조화된 의미 데이터베이스로 영어 문장을 성공적으로 매핑하였다.
• 동사를 위한 프레임의 사용은 의미 역할, 동기, 원인의 체계적인 인코딩을 가능하게 하였으며, 예를 들어 '사람을 쏘다'는 행동에 '죽이다' 또는 '돈을 벌기 위해'와 같은 동기를 연결할 수 있었다.
• 생산 시스템 논리에 기반하여 조건, 도구, 대체 경로를 갖는 행동의 시퀀스로서 운영을 모델링함으로써 구조화된 계획 수립이 가능했다.
• 지식 표현을 코드에서 분리함으로써 효율적인 검색과 추론이 가능해졌으며, 더 큰 어휘 및 사실 데이터베이스로의 확장성도 지원되었다.
• 시스템은 사회적 사실에 관한 복잡한 질문에 대한 답변 가능성을 입증하였으며, 사실적 추론을 위한 튜링 유사 테스트에서 부분적인 성공을 거두었다.
• 데이터 기반의 모듈화된 아키텍처로 인해 이는 프로그래밍 로직과 독립적이므로 다른 유럽어로의 적응이 가능하다.