[논문 리뷰] The EcoLexicon Semantic Sketch Grammar: from Knowledge Patterns to Word Sketches

Pilar León-Araúz, Antonio San Martín|arXiv (Cornell University)|2018. 04. 15.

Linguistics and Cultural Studies인용 수 42

한 줄 요약

이 논문은 Sketch Engine에서 구현된 KP-based EcoLexicon Semantic Sketch Grammar (ESSG)을 제시하며, EcoLexicon English Corpus에서 지식이 풍부한 맥락과 단어 스케치를 추출할 수 있게 합니다. 공개 이용 가능성과 64개의 규칙에 대한 초기 평가를 포함합니다.

ABSTRACT

Many projects have applied knowledge patterns (KPs) to the retrieval of specialized information. Yet terminologists still rely on manual analysis of concordance lines to extract semantic information, since there are no user-friendly publicly available applications enabling them to find knowledge rich contexts (KRCs). To fill this void, we have created the KP-based EcoLexicon Semantic SketchGrammar (ESSG) in the well-known corpus query system Sketch Engine. For the first time, the ESSG is now publicly available inSketch Engine to query the EcoLexicon English Corpus. Additionally, reusing the ESSG in any English corpus uploaded by the user enables Sketch Engine to extract KRCs codifying generic-specific, part-whole, location, cause and function relations, because most of the KPs are domain-independent. The information is displayed in the form of summary lists (word sketches) containing the pairs of terms linked by a given semantic relation. This paper describes the process of building a KP-based sketch grammar with special focus on the last stage, namely, the evaluation with refinement purposes. We conducted an initial shallow precision and recall evaluation of the 64 English sketch grammar rules created so far for hyponymy, meronymy and causality. Precision was measured based on a random sample of concordances extracted from each word sketch type. Recall was assessed based on a random sample of concordances where known term pairs are found. The results are necessary for the improvement and refinement of the ESSG. The noise of false positives helped to further specify the rules, whereas the silence of false negatives allows us to find useful new patterns.

연구 동기 및 목표

• 전문화된 코퍼스에서 수동 코콘런스 분석 없이 의미 정보를 추출하기 위한 사용자 친화적 도구의 필요성을 동기화한다.
• KP-based sketch grammar (ESSG)의 구성과 Sketch Engine에의 통합을 설명한다.
• ESSG가 지식이 풍부한 맥락 (KRCs)과 용어를 의미 관계로 연결하는 워드 스케치를 어떻게 추출하는지 보여준다.
• 정밀도와 재현율 분석을 통해 ESSG를 다듬기 위한 평가 프레임워크를 제공한다.

제안 방법

• 도메인 독립적인 지식 패턴을 활용하여 KP-based sketch grammar (ESSG)를 개발한다.
• ESSG를 Sketch Engine에 통합하여 EcoLexicon English Corpus 및 사용자가 업로드한 영어 코퍼러를 질의한다.
• 일반-특수, 부분-전체, 위치, 원인, 기능 관계를 인코딩하는 지식이 풍부한 맥락과 단어 스케치를 추출한다.
• 결과를 의미 관계로 연결된 용어 쌍으로 구성된 워드 스케치로 표시한다.
• hyponymy, meronymy, and causality에 대한 64개의 영어 스케치 grammar 규칙에 대한 얕은 정밀도(precision)와 재현율(recall) 평가를 수행한다.

실험 결과

연구 질문

• RQ1 KP-based ESSG가 영어 코퍼스에서 의미 관계(일반-특수, 부분-전체, 위치, 원인, 기능)를 신뢰성 있게 추출할 수 있는가?
• RQ2 64개의 규칙이 hyponymy, meronymy, causality에 대해 정밀도와 재현율 측면에서 얼마나 효과적인가?
• RQ3 규칙 개선에서 잡음(false positives)과 침묵(false negatives)로부터 어떤 통찰을 얻을 수 있는가?
• RQ4 Sketch Engine 사용자가 용어 연구를 위해 유용한 지식이 풍부한 맥락과 워드 스케치를 얻을 수 있는 정도는 어느 정도인가?

주요 결과

• ESSG가 EcoLexicon Corpus와 사용자 업로드 코퍼스에 대한 지식이 풍부한 맥락과 의미 관계 워드 스케치를 검색 가능하게 한다.
• 64개 규칙에 대한 초기 평가가 정밀도와 재현율이 규칙 개선을 어떻게 이끄는지 보여준다.
• 각 워드 스케치 유형 내에서 임의 샘플의 코콘런스에서 정밀도를 평가한다.
• 동일하게 임의 샘플에서 알려진 용어 쌍이 코콘런스에 나타나는지 재현율을 평가한다.
• 음성적(노이즈)인 false positives 분석은 규칙을 다듬는 데 도움이 되고, 침묵인 false negatives 분석은 추가할 새로운 패턴을 드러낸다.