[논문 리뷰] Thai Rhetorical Structure Analysis

Somnuk Sinthupoun|arXiv (Cornell University)|2009. 01. 01.

Natural Language Processing Techniques참고 문헌 20인용 수 5

한 줄 요약

이 논문은 은닉 마르코프 모델(HMM)을 사용한 EDU 분할, 의미 규칙 기반 클러스터링을 통한 RS 트리 구축, C5.0 의사결정나무를 활용한 논의 관계 분류를 융합한 새로운 타이 린고스틱스터럭처 분석 프레임워크를 제안한다. RS 트리 구축에 대해 95.21%의 정밀도와 94.90%의 재현율을 달성하였고, 논의 관계 결정에 대해 85.09%의 정확도를 기록하였으며, 특히 마커가 포함된 관계에서 뛰어난 성능을 보였다.

ABSTRACT

Rhetorical structure analysis (RSA) explores discourse relations among elementary discourse units (EDUs) in a text. It is very useful in many text processing tasks employing relationships among EDUs such as text understanding, summarization, and question-answering. Thai language with its distinctive linguistic characteristics requires a unique technique. This article proposes an approach for Thai rhetorical structure analysis. First, EDUs are segmented by two hidden Markov models derived from syntactic rules. A rhetorical structure tree is constructed from a clustering technique with its similarity measure derived from Thai semantic rules. Then, a decision tree whose features derived from the semantic rules is used to determine discourse relations.

연구 동기 및 목표

• 표준 문장 부호가 없어 타이어에서 명시적인 EDU 경계가 부족한 점을 해결하기 위해.
• 구성요소 생략, 암시적 마커, 모호한 인접 마커 등의 과제를 해결하기 위해 타이어 논의 분석의 과제를 극복하기 위해.
• 타이어의 문법적 및 의미적 특성에 맞게 최적화된 강력한 린고스틱스터럭처 분석 파이프라인을 개발하기 위해.
• 정확한 논의 관계 모델링을 통해 타이어 텍스트 이해, 요약 및 질문-응답 시스템의 성능을 향상시키기 위해.

제안 방법

• 품사 시퀀스 기반 어구 분할을 위한 하나, 어구 수준 배치 기반 EDU 분할을 위한 다른 하나의 은닉 마르코프 모델을 학습한다.
• 타이어 의미 규칙에서 유도된 유사도 측정 기반의 계층적 클러스터링 알고리즘을 사용해 EDU를 린고스틱스터럭처 트리로 그룹화한다.
• RS 트리 구축에 무게를 고려하지 않은 산술 평균 클러스터링을 사용하였으며, 이는 시험된 방법들 중에서 가장 높은 성능을 기록하였다.
• 주어, 목적어, 전치사, 핵심 요소, 마커 유무 등의 언어적 특징을 기반으로 C5.0 의사결정나무를 학습하여 EDU 간 논의 관계를 분류한다.
• 주어, 목적어, 전치사의 유무, 마커 위치 등을 포함한 특징을 후행적 및 전행적 EDU에서 추출한다.
• 시스템은 세 가지 데이터셋(부재, 반복, 가정법 텍스트)을 대상으로 평가되었으며, 관계 분류를 위해 수작업으로 624개의 EDU/관계 쌍을 애너테이션하였다.

실험 결과

연구 질문

• RQ1 표준 문장 부호와 문법적 마커가 없기 때문에 타이어 텍스트에서 기본 논의 단위(EDU)를 어떻게 효과적으로 분할할 수 있는가?
• RQ2 타이어 의미 규칙에 기반한 클러스터링 기법과 유사도 측정 방식 중에서 가장 정확한 린고스틱스터럭처 트리 구축에 기여하는 것은 무엇인가?
• RQ3 논의 마커가 없는 경우에도 언어적 특징을 활용해 타이어의 논의 관계를 얼마나 정확하게 예측할 수 있는가?
• RQ4 주어/목적어 존재 여부, 핵심 구조, 마커 위치 등의 특징이 타이어에서 정확한 논의 관계 분류에 기여하는 정도는 어떠한가?

주요 결과

• 무게를 고려하지 않은 산술 평균 클러스터링 방법이 RS 트리 구축에서 가장 높은 성능을 기록하였으며, 가정법 데이터셋에서 94.90% 재현율과 95.21% 정밀도를 달성하였다.
• 두 개의 HMM을 활용한 EDU 분할은 85.3% 재현율과 94.2% 정밀도를 기록하여 타이어의 문장 부호 부재에도 불구하고 뛰어난 효과를 보였다.
• C5.0 의사결정나무를 활용한 논의 관계 분류는 마커가 포함된 EDU 쌍에서 85.09%의 정확도를 기록하였고, 마커가 없는 경우 82.81%의 정확도를 기록하였으며, 민감도 분석에서 마커 관련 특징이 가장 높은 순위를 차지하였다.
• 가장 높은 정확도는 '설명' 관계(100.00%)와 '선택' 관계(97.70%)에서 달성되었고, '예시'와 '시간' 관계는 낮은 성능을 보이며 이들 유형을 탐지하는 데 어려움이 있음을 시사하였다.
• 논의 마커의 존재가 분류 정확도를 크게 향상시켰으며, '동의'와 '선택' 관계는 마커가 존재할 경우 98% 이상의 정확도를 기록하였다.
• 민감도 분석을 통해 마커 관련 특징이 논의 관계 예측에서 가장 영향력 있는 요소임을 확인하였으며, 이는 타이어에서 자주 생략되더라도 중요성을 지닌다는 점을 강조한다.