[논문 리뷰] The Grammar of Sense: Is word-sense tagging much more than part-of-speech tagging?

Yorick Wilks, Mark Stevenson|ArXiv.org|1996. 07. 26.

Natural Language Processing Techniques참고 문헌 15인용 수 57

한 줄 요약

이 논문은 Longman Dictionary of Contemporary English(LDOCE)의 품사(tags) 정보만을 사용하여 대규모 어휘의미 태깅(LAST)을 위한 고정확도·저복잡도 방법을 제안한다. 개방계어에 대해 92%의 성공률을 달성하며, 품사 정보만으로도 의미 차이의 상당 부분, 특히 동음이의어 수준에서의 의미 차이를 포착할 수 있음을 보여주며, 광범위한 세계 지식이나 복잡한 모델 없이도 계산 효율적인 의미 해석 기반을 제공한다.

ABSTRACT

This squib claims that Large-scale Automatic Sense Tagging of text (LAST) can be done at a high-level of accuracy and with far less complexity and computational effort than has been believed until now. Moreover, it can be done for all open class words, and not just carefully selected opposed pairs as in some recent work. We describe two experiments: one exploring the amount of information relevant to sense disambiguation which is contained in the part-of-speech field of entries in Longman Dictionary of Contemporary English (LDOCE). Another, more practical, experiment attempts sense disambiguation of all open class words in a text assigning LDOCE homographs as sense tags using only part-of-speech information. We report that 92% of open class words can be successfully tagged in this way. We plan to extend this work and to implement an improved large-scale tagger, a description of which is included here.

연구 동기 및 목표

• 품사 태깅만으로도 복잡한 세계 지식이나 광범위한 맥락 없이 고정확도의 대규모 어휘의미 태깅(LAST)을 달성할 수 있는지 조사하는 것.
• LDOCE의 의미 차이가 어휘 항목의 품사 필드에 얼마나 잘 반영되어 있는지 평가하는 것, 특히 동음이의어에 대해 중점적으로 분석하는 것.
• 품사 기반의 단순하고 계산 효율적인 방법이 개방계어 전반에 걸쳐 높은 커버리지와 정확도를 달성할 수 있음을 보여주는 것, 단지 선택된 쌍들 뿐 아니라 전체 어휘에 대해 적용 가능한 것.
• 다중 소스 기반 파이프라인 시스템을 통합하여 의미 해석을 수행하는 기초를 마련하는 것. 이 시스템은 품사, 의사상적 코드, 예문 문장, 최적화 기법을 통합한다.

제안 방법

• 이 방법은 텍스트 내 어휘에 대한 의미 태그를 할당하기 위해 Longman Dictionary of Contemporary English(LDOCE)의 어휘 항목에서 제공하는 품사(POS) 태그만을 유일한 정보 소스로 사용한다.
• 이 방법은 LDOCE의 동음이의어—다양한 의미를 가진 별개의 항목을 가진 어휘—를 의미 태그로 간주하며, 각 품사 태그가 별개의 의미에 대응된다고 가정한다.
• 이 접근법은 텍스트 내 모든 개방계어에 대해 품사 태깅을 수행하고, 각 어휘의 품사 태그를 해당 LDOCE 의미 항목에 매핑함으로써, 품사 기반으로 의미 태깅을 수행한다.
• 이 방법은 92%의 개방계어 어휘가 품사 정보만으로 성공적으로 태깅된 코퍼스에서 평가되었으며, 이는 LDOCE에서 품사와 의미 차이 간의 강력한 일치를 시사한다.
• 저자들은 LDOCE의 의사상적 코드, 예문 문장을 어순어 관련 요소로 통합하고, Lesk 히ュ리스틱을 최적화하기 위해 시뮬레이티드 앤날링을 적용하는 파이프라인 확장 방안을 제안한다.
• 이 시스템은 확장성 있고 다중 소스 기반의 의미 해석을 지원하기 위해 GATE(Generic Architecture for Text Engineering) 프레임워크 내에 통합될 수 있도록 설계되었다.

실험 결과

연구 질문

• RQ1 품사 태깅만으로도 복잡한 맥락이나 세계 지식 없이 모든 개방계어에 대해 고정확도의 대규모 어휘의미 태깅을 달성할 수 있는가?
• RQ2 LDOCE의 의미 차이 중 얼마나 많은 부분이 어휘 항목의 품사 필드에 포함되어 있는가, 특히 동음이의어에 대해 중점적으로 분석하는가?
• RQ3 LDOCE의 동음이의어 수준에서 의미 차이가 품사와 충분히 일치하는가, 따라서 품사 태깅이 의미 해석의 신뢰할 수 있는 대체 수단이 될 수 있는가?
• RQ4 품사 기반의 단순한 방법이 더 복잡한 방법보다 커버리지와 정확도에서 뛰어나거나 유사한 성능을 내며, 동시에 훨씬 적은 계산 자원을 소모할 수 있는가?

주요 결과

• 이 방법은 LDOCE 항목의 품사 정보만을 사용하여 텍스트 내 모든 개방계어에 대해 92%의 정확도를 달성한다.
• 이 결과는 LDOCE에서 의미 차이의 상당 부분—특히 동음이의어 수준에서의 의미 차이—가 이미 품사 태그에 의해 포착되어 있음을 시사한다.
• 이 방법은 최소한의 계산 오버헤드로도 높은 커버리지와 정확도를 달성할 수 있음을 입증하며, 의미 해석이 복잡한 모델이나 세계 지식이 반드시 필요하다는 기존의 가정을 도전한다.
• 저자들은 품사 기반 태깅이 의미 해석을 위한 강력하고 낮은 수준의 기반을 제공하며, 자연어처리와 인공지능의 경계를 명확히 하는 데 기여한다고 결론 내리며, 이는 거시적 의미 차이를 더 세밀한 의미 추론에서 분리하는 데 기여한다.
• 이 방법은 어휘의미 차이가 사전에서 구성된 동음이의어와 정렬된 언어학적 구조에 기반하여 객관적으로 기반을 두고 있음을 지지한다.
• 저자들은 향후 GATE 프레임워크 내에서 의사상적 코드, 예문 문장, 최적화된 히ュ리스틱을 통합하여 정확도를 향상시키기 위해 방법을 확장할 계획이다.