[論文レビュー] A Corpus-based Study of Temporal Signals

Leon Derczynski, Robert Gaizauskas|arXiv (Cornell University)|Mar 22, 2012

Natural Language Processing Techniques参考文献 23被引用数 13

ひとこと要約

このコーパスベースの研究では、'before'、'after'、'during' などの語彙的表現がテキスト内で時間的関係を明示的に示す時間的信号について調査する。TimeBank コーパスを用いて、これらの信号の使用頻度、機能と関係タイプにおける曖昧さ、および多くの信号が不足してアノテートされていること、つまり高機能にもかかわらず NLP システムでの活用が不十分であることが明らかになった。

ABSTRACT

Automatic temporal ordering of events described in discourse has been of great interest in recent years. Event orderings are conveyed in text via va rious linguistic mechanisms including the use of expressions such as "before", "after" or "during" that explicitly assert a temporal relation -- temporal signals. In this paper, we investigate the role of temporal signals in temporal relation extraction and provide a quantitative analysis of these expres sions in the TimeBank annotated corpus.

研究の動機と目的

• TimeBank コーパスにおける時間的信号の頻度と役割を調査し、自動時間的関係検出の鍵をなすものとする。
• TimeBank が時間的アノテーションのメジャーなゴールスタンダードコーパスであることを踏まえ、時間的信号がどの程度不足してアノテートされているかを評価する。
• 時間的信号表現の曖昧さを、非時間的使用と時間的使用との対比、および特定の時間的関係タイプ（例：before と after）との対比で定量的に測定する。
• NLP システムにおける時間的関係分類の改善に向け、これらの信号をより効果的に活用するための実証的証拠を提供する。

提案手法

• 本研究では、TimeML を用いて時間的信号が明示的にアノテートされた、ニューズライター文章のゴールスタンダードデータセットである TimeBank コーパスを用いる。
• 著者らは、頻度の高い表現（例：'before'、'until'、'meanwhile'、'former'、'recently'）の時間的信号の不足アノテーションを是正するため、追加の手動アノテーションを実施する。
• 信号表現の文法的・意味的文脈を分析し、時間的使用と非時間的使用を区別する。
• 信号の曖昧さを以下の指標で測定する：(1) 非時間的使用である信号使用の割合、(2) 時間的使用であるが曖昧な時間的関係を示す使用の割合。
• 統計的分析を用いて、時間的関係タイプ（例：before、after、during など）ごとの時間的信号の頻度と分布を計算する。

実験結果

リサーチクエスチョン

• RQ1 TimeBank における時間的関係のうち、'before' や 'after' などの語彙的表現によって明示的に示されている割合はどの程度か？
• RQ2 非時間的使用と時間的使用との対比において、時間的信号表現の曖昧さはどの程度か？
• RQ3 特定の時間的関係タイプ（例：before と after）の対比において、時間的信号の曖昧さはどの程度か？
• RQ4 主要な時間的信号が TimeBank コーパスにおいてどの程度不足してアノテートされているか？

主な発見

• TimeBank における時間的関係のうち、わずか 35% のみが語彙的時間的信号によって明示的に示されている。これは、これらのキューが著しく不足してアノテートされていることを示しており、NLP システムにおける活用が不十分であることを示唆している。
• 'before' はその使用の 70% で時間的信号として用いられるが、30% は非時間的（例：空間的・論理的使用）であるため、顕著な曖昧さを示している。
• 'until' は非常に曖昧である：コーパス内での非アノテートインスタンスの 100% が時間的信号であった。これは、深刻な不足アノテーションを示している。
• 'meanwhile' は非アノテートインスタンスの 50% で時間的使用されている。これは、時間的信号として頻繁に見過ごされていることを示唆している。
• 'former' は非アノテートインスタンスの 75% で時間的使用である。これは、過去の状態や出来事の信号を示す強い傾向があることを示している。
• 'recently' は非アノテートインスタンスのうちわずか 10% で時間的信号として用いられるが、比較形（例：'more recently'）で用いられる際は、以前の話題の出来事との明確な時間的関係を示す修飾的時間的信号として機能する。