[논문 리뷰] Persian Wordnet Construction using Supervised Learning

Zahra Mousavi, Heshaam Faili|arXiv (Cornell University)|2017. 04. 11.

Natural Language Processing Techniques인용 수 3

한 줄 요약

이 논문은 이중어사전과 페르시아어 문장집을 사용하여 페르시아어 어휘를 프린스턴 워드넷의 싱세트에 연결함으로써 자동으로 페르시아어 워드넷을 구축하기 위한 지도 학습 접근법을 제시한다. FarsNet을 긍정적 예시로 삼아 훈련된, 일곱 가지 특징을 가진 분류기는 91.18%의 정밀도를 달성하며, 이로 인해 16,000개 이상의 어휘와 22,000개의 싱세트를 포함하는 워드넷을 구성하게 된다—이는 페르시아어 워드넷 구축 분야에서 최신 기술 수준의 성능을 나타낸다.

ABSTRACT

This paper presents an automated supervised method for Persian wordnet construction. Using a Persian corpus and a bi-lingual dictionary, the initial links between Persian words and Princeton WordNet synsets have been generated. These links will be discriminated later as correct or incorrect by employing seven features in a trained classification system. The whole method is just a classification system, which has been trained on a train set containing FarsNet as a set of correct instances. State of the art results on the automatically derived Persian wordnet is achieved. The resulted wordnet with a precision of 91.18% includes more than 16,000 words and 22,000 synsets.

연구 동기 및 목표

• 페르시아어를 위한 대규모 고정밀 어휘 자원의 부족을 해결하기 위해 통합적인 페르시아어 워드넷을 구축하기 위해.
• 지도 학습을 활용해 페르시아어 어휘를 프린스턴 워드넷의 싱세트에 자동으로 정렬하기 위해.
• 수동 또는 규칙 기반 방법을 초월해 페르시아어 워드넷 구축의 효율성과 확장성을 향상시키기 위해.
• 학습 가능한 분류 시스템을 사용해 자동 페르시아어 워드넷 구축 분야에서 최신 기술 수준의 성능를 달성하기 위해.

제안 방법

• 페르시아어 문장집과 이중어사전을 사용하여 페르시아어 어휘를 프린스턴 워드넷 싱세트에 매핑함으로써 초기 어휘-싱세트 연결을 생성한다.
• 각 후보 어휘-싱세트 쌍을 나타내기 위해 일곱 가지 언어학적 및 분포적 특징을 추출한다.
• FarsNet이 올바른 연결을 위한 황금 표준이 되는 레이블이 부여된 훈련 세트에서 지도 학습 분류 모델을 훈련시킨다.
• 훈련된 분류기는 초기 연결 세트를 정제하기 위해 올바른 연결과 잘못된 연결을 구분한다.
• 특징 엔지니어링과 지도 학습에 의존함으로써 인간의 레이블링 작업을 최소화한다.
• 최종 워드넷은 훈련된 분류기의 예측 결과를 사용하여 초깃 연결을 필터링함으로써 구성된다.

실험 결과

연구 질문

• RQ1 지난 학습 접근법이 높은 정밀도로 페르시아어 워드넷을 자동으로 구축하는 데 효과적으로 작용할 수 있는가?
• RQ2 FarsNet에서 훈련된 분류기가 새로운, 미리보지 않은 페르시아어 어휘-싱세트 쌍에 대해 얼마나 잘 일반화되는가?
• RQ3 페르시아어에서 잘못된 연결과 올바른 연결을 구분하는 데 최적의 성능을 내는 특징 조합은 무엇인가?
• RQ4 광범위한 수동 레이블링 없이도 이중어사전과 단일어 문장집이 자동 워드넷 구축을 얼마나 잘 지원할 수 있는가?
• RQ5 이 방법을 사용해 자동으로 구축된 페르시아어 워드넷의 도달 가능한 정밀도와 커버리지 수준은 어느 정도인가?

주요 결과

• 제안된 방법은 자동으로 구축된 페르시아어 워드넷에서 91.18%의 정밀도를 달성한다.
• 최종 워드넷은 16,000개 이상의 어휘와 22,000개의 싱세트를 포함하고 있어 높은 커버리지 수준을 보여준다.
• 지도 학습 분류기에서 수작업으로 만든 일곱 가지 특징의 사용은 기준 방법 대비 정렬 정확도를 크게 향상시킨다.
• 이전의 접근 방식을 능가하며, 페르시아어 워드넷 구축 분야에서 새로운 최신 기술 수준을 수립한다.
• FarsNet은 분류기 훈련을 위한 효과적인 황금 표준이 되어 고품질의 자동 확장 가능성을 보장한다.
• 이 방법은 수동 레이블링의 필요성을 크게 줄여주어 확장성 있고 효율적인 워드넷 구축을 가능하게 한다.