[논문 리뷰] On modeling vagueness and uncertainty in data-to-text systems through fuzzy sets

Alejandro Ramos-Soto, Martín Pereira-Fariña|arXiv (Cornell University)|2017. 10. 27.

Data Management and Algorithms참고 문헌 43인용 수 3

한 줄 요약

이 논문은 자연어에 내재된 모호성과 불확실성을 모델링하기 위해 퍼지 집합 이론(FST)을 데이터에서 텍스트로(D2T) 변환 시스템에 통합할 것을 주장한다. 언어적 모호성을 퍼지 집합을 통해 분석함으로써, 더 인간에 가까운, 맥락을 고려한 텍스트 생성이 가능해지며, 날것의 수치적 정의에만 의존하지 않고도 의사소통의 효과성을 향상시킨다.

ABSTRACT

Vagueness and uncertainty management is counted among one of the challenges that remain unresolved in systems that generate texts from non-linguistic data, known as data-to-text systems. In the last decade, work in fuzzy linguistic summarization and description of data has raised the interest of using fuzzy sets to model and manage the imprecision of human language in data-to-text systems. However, despite some research in this direction, there has not been an actual clear discussion and justification on how fuzzy sets can contribute to data-to-text for modeling vagueness and uncertainty in words and expressions. This paper intends to bridge this gap by answering the following questions: What does vagueness mean in fuzzy sets theory? What does vagueness mean in data-to-text contexts? In what ways can fuzzy sets theory contribute to improve data-to-text systems? What are the challenges that researchers from both disciplines need to address for a successful integration of fuzzy sets into data-to-text systems? In what cases should the use of fuzzy sets be avoided in D2T? For this, we review and discuss the state of the art of vagueness modeling in natural language generation and data-to-text, describe potential and actual usages of fuzzy sets in data-to-text contexts, and provide some additional insights about the engineering of data-to-text systems that make use of fuzzy set-based techniques.

연구 동기 및 목표

• 데이터에서 텍스트(D2T) 시스템에서의 모호성과 불확실성을 다루는 데 아직 해결되지 않은 과제를 해결하기 위해, 일반적으로 날것의 수치적 정의로 다루어지는 문제를 다루는 것.
• 퍼지 집합 이론에서의 모호성과 자연어 생성(NLG) 맥락에서의 모호성 간의 개념적 차이를 명확히 하는 것.
• 퍼지 집합이 D2T 시스템이 언어적으로 자연스럽고 효과적이며 설득력 있는 텍스트를 생성하는 데 어떻게 기여할 수 있는지 평가하고 실용적 응용 가능성을 탐색하는 것.
• 분야 특화 요구사항과 시스템 설계의 트레이드오프에 기반해, 언제이고 왜 D2T 시스템에서 퍼지 집합 기법을 피해야 하는지 규명하는 것.
• 특히 콘텐츠 선택, 언어적 표현 생성, 불확실성 모델링 분야에서 향후 NLG 연구의 기초 틀로 FST를 촉진하는 것.

제안 방법

• 모호성의 해석을 퍼지 집합 이론과 자연어 생성(NLG) 맥락에서 비교·분석하여 공통의 개념적 기반을 확립하는 것.
• 기존의 D2T 시스템에서 날것의 정의를 사용하는 사례(예: '키가 큰'에 대해 [175cm, 300cm]의 고정 구간)를 분석하고, 언어적 범주에 대한 점진적 소속도를 允허하는 퍼지 기반 대안과 대비하는 것.
• NLG 응용 분야에서의 퍼지 언어 요약, 가능성 이론, 퍼지 제약 네트워크에 관한 이전 연구를 조사·통합하는 것.
• 언어적 용어(예: '아침에', '거의 모두')를 고정된 간격이 아닌 소속도 함수로 모델링하는 프레임워크를 제안하는 것.
• 콘텐츠 선택, 언어적 표현 생성, 불확실성 표현과 같은 핵심 NLG 구성 요소에 FST를 통합하는 가능성에 대한 평가.
• 코퍼스 연구와 심리어휘 실험을 활용하여 언어적 용어의 퍼지 모델을 구성함으로써 인간의 언어 사용과의 일치를 확보하는 것.

실험 결과

연구 질문

• RQ1 퍼지 집합 이론에서의 모호성은 무엇을 의미하며, 데이터에서 텍스트 시스템에서의 의미와 어떻게 다를까?
• RQ2 퍼지 집합 이론은 D2T 시스템에서 생성되는 텍스트의 품질과 자연스러움을 어떻게 향상시킬 수 있는가?
• RQ3 NLG 및 퍼지 집합 이론의 관점에서 볼 때, 퍼지 집합을 D2T 시스템에 통합하는 데 있어 핵심 과제는 무엇인가?
• RQ4 D2T 시스템에서 퍼지 집합의 사용을 피해야 할 응용 맥락은 어떤 경우인가?
• RQ5 퍼지 집합 기반 기법은 NLG 시스템 개발에서 광범위한 코퍼스 연구나 심리어휘 실험의 필요성을 어떻게 줄일 수 있는가?

주요 결과

• 퍼지 집합 이론은 언어적 불명확성을 원칙적으로 모델링할 수 있는 프레임워크를 제공하여, D2T 시스템이 더 자연스럽고 맥락에 적절한 표현을 생성할 수 있도록 한다.
• 퍼지 집합의 사용은 언어적 범주에서 점진적인 전환을 가능하게 하며(예: '키가 큰'을 소속도 함수로 표현), 경계에 해당하는 사례를 이분법적으로 배제하는 것을 방지한다.
• 퍼지 언어 요약 기법은 복잡한 데이터 기술을 유지하면서 신뢰성과 진리 조건을 보존하는 데 있어 상당한 단순화 효과를 낳을 수 있다.
• 퍼지 집합을 사용하는 시스템은 인간에 가까운 해석을 모델 설계에 통합함으로써, 광범위한 코퍼스 연구나 심리어휘 실험에 대한 의존도를 줄일 수 있다.
• 불확실성과 불명확성이 본질적으로 내재된 분야, 예를 들어 날씨 예측이나 산업 공정 보고 분야에서는 퍼지 집합 기반 접근이 특히 효과적이다.
• 장점이 있음에도 불구하고, 퍼지 집합은 날것의 정의로 충분할 경우, 시스템 복잡도를 최소화해야 할 경우, 또는 언어적 자연스러움이 우선시되지 않는 도메인 요구사항이 있는 경우에는 피해야 한다.