[논문 리뷰] Un modèle générique d'organisation de corpus en ligne: application à la FReeBank

Susanne Salmon-Alt, Laurent Romary외 1명|arXiv (Cornell University)|2006. 11. 06.

Natural Language Processing Techniques참고 문헌 16인용 수 4

한 줄 요약

이 논문은 FReeBank 프로젝트에 적용된, 온라인 어휘 자료를 조직하고 배포하기 위한 일반적이고 표준화된 모델을 제시한다. 이 모델은 자유롭게 이용 가능한 다중 수준의 주석 처리가 된 프랑스어 어휘 자료를 생성한다. TEI 및 ISO/TC 37/SC 4 표준을 통합하고, 하이브리드 제약 문법(parser)의 출력 결과를 수동으로 보완함으로써, 지속적인 보완 기능을 제공함으로써, 연구를 위한 상호 운용성, 품질 및 장기적인 유지보수성을 보장한다.

ABSTRACT

The few available French resources for evaluating linguistic models or algorithms on other linguistic levels than morpho-syntax are either insufficient from quantitative as well as qualitative point of view or not freely accessible. Based on this fact, the FREEBANK project intends to create French corpora constructed using manually revised output from a hybrid Constraint Grammar parser and annotated on several linguistic levels (structure, morpho-syntax, syntax, coreference), with the objective to make them available on-line for research purposes. Therefore, we will focus on using standard annotation schemes, integration of existing resources and maintenance allowing for continuous enrichment of the annotations. Prior to the actual presentation of the prototype that has been implemented, this paper describes a generic model for the organization and deployment of a linguistic resource archive, in compliance with the various works currently conducted within international standardization initiatives (TEI and ISO/TC 37/SC 4).

연구 동기 및 목표

• 모ор포구문 이외의 분석을 위한 고품질의 자유로운 프랑스어 자연어 처리 모델 평가 자료 부족 문제를 해결한다.
• 국제 표준(TEI 및 ISO/TC 37/SC 4)을 준수하는 표준화되고 유지보수 가능한 온라인 어휘 자료 배포 프레임워크를 개발한다.
• 기존 자료의 체계적 통합과 주석 재사용을 통해 어휘 자료의 지속적인 보완을 가능하게 한다.
• 강력한 연구 활용을 위한 다중 수준의 언어 주석(구조, 모어포구문, 문법, 공명사)을 보장한다.
• 학술 및 연구 공동체를 위한 정제된 프랑스어 어휘 자료의 개방적이고 온라인 접근을 촉진한다.

제안 방법

• 확장 가능하고 표준화된 메타데이터 및 주석 체계를 기반으로 한 언어 자원 아카이브를 위한 일반적 아키텍처 모델을 설계한다.
• 언어 주석을 인코딩하는 데 기초로 텍스트 인코딩 이니셔티브(TEI) 가이드라인을 채택한다.
• 상호 운용성과 재사용성을 확보하기 위해 언어 주석을 위한 ISO/TC 37/SC 4 표준을 통합한다.
• 초기 언어 주석을 생성하기 위해 하이브리드 제약 문법 파서를 사용한 후, 품질 확보를 위해 수동 보완을 실시한다.
• 주석의 점진적 보완과 버전 관리를 가능하게 하는 모듈식 시스템을 구현한다.
• 표준화된 쿼리 및 검색 인터페이스를 갖춘 웹 액세스 가능한 아카이브로 프로토타입을 구현한다.

실험 결과

연구 질문

• RQ1 연구 목적을 위한 온라인 언어 어휘 자료를 조직하고 배포하기 위한 일반적이고 표준화된 모델을 어떻게 설계할 수 있는가?
• RQ2 어떤 기술적 및 방법론적 접근이 주석 처리된 어휘 자료의 장기적인 유지보수성과 확장 가능성을 보장하는가?
• RQ3 기존 언어 자료를 어떻게 효과적으로 통합하여 통합된 다중 수준 주석 처리 어휘 자료를 만들 수 있는가?
• RQ4 표준화된 주석 체계(TEI, ISO/TC 37/SC 4)가 고품질의 재사용 가능한 프랑스어 어휘 자료를 만드는 데 얼마나 기여하는가?
• RQ5 협업 기반의 언어 어휘 자료 환경에서 지속적인 보완과 버전 관리를 가능하게 하는 메커니즘은 무엇인가?

주요 결과

• 제안된 모델은 국제 표준을 준수하는 다중 수준 주석 처리 프랑스어 어휘 자료(FReeBank)의 구축과 배포를 성공적으로 가능하게 했다.
• 파서가 생성한 주석에 대한 수동 보완이 문법 및 공명사 수준에서 언어 주석의 품질과 신뢰성에 크게 기여한다.
• 기존 자료의 통합과 표준화된 인코딩 체계의 적용은 자료 개발에서 재사용성 향상과 중복 감소에 기여한다.
• 시스템은 지속적인 보완을 지원하여 시간이 지남에 따라 어휘 자료의 점진적 개선과 업데이트를 가능하게 한다.
• 프로토타입은 연구 환경에서 대규모로 개방형 어휘 자료를 배포하는 데 실현 가능성과 확장성을 입증한다.