[論文レビュー] A study on the relation between linguistics-oriented and domain-specific semantics

He Tan|arXiv (Cornell University)|Dec 7, 2010

Natural Language Processing Techniques参考文献 5被引用数 4

ひとこと要約

本稿は、言語学的指向の意味枠（FrameNet）とドメイン固有の生物学的プロセス概念（Gene Ontology, GO）の整合性を調査し、イベント分類および語群のグループ化に顕著なギャップが存在することを明らかにした。19個のFrameNet枠をGO概念に手動でマッピングすることで、意味的粒度や概念的カバレッジの違いに起因する不一致を特定し、テキストマイニングおよび言語理解システムにおけるオントロジー設計の改善に役立つ知見を提供する。

ABSTRACT

In this paper we dealt with the comparison and linking between lexical resources with domain knowledge provided by ontologies. It is one of the issues for the combination of the Semantic Web Ontologies and Text Mining. We investigated the relations between the linguistics oriented and domain-specific semantics, by associating the GO biological process concepts to the FrameNet semantic frames. The result shows the gaps between the linguistics-oriented and domain-specific semantics on the classification of events and the grouping of target words. The result provides valuable information for the improvement of domain ontologies supporting for text mining systems. And also, it will result in benefits to language understanding technology.

研究の動機と目的

• 分子生物学における言語学的指向の意味（FrameNet）とドメイン固有の意味（Gene Ontology）のギャップを埋めるため。
• FrameNet枠がGOの生物学的プロセスに記述された生物学的プロセスをどの程度適切に表現できるかを調査するため。
• 一般言語的枠とドメイン固有のオントロジーとの間で、イベント分類およびターゲット語のグループ化にどのような不一致が生じるかを特定するため。
• 生命科学分野におけるテキストマイニングおよび自然言語理解のため、より正確なドメインオントロジーの開発を支援するため。

提案手法

• 分子生物学におけるバイオメディカル動詞に関連する19個のFrameNet枠を、PASBioプロジェクトの29の主要動詞から収集した。
• GOの生物学的プロセス概念ごとに、フレームの語彙的単位（LUs）の語頭名詞と照合することで、各FrameNet枠をGO概念にマッピングした。
• フィルタリングルールを適用：下位分類および部品関係を除外し、一般的で意味的に関連性の高いGO概念を優先した。
• Perlモジュール（GOおよびOBOオントロジー用）を用いて初期候補を自動収集し、その後すべてのマッピングを手動で検証した。
• 公開マッピングリポジトリを http://www.ida.liu.se/hetan/FN2GO に維持した。

実験結果

リサーチクエスチョン

• RQ1 FrameNetの意味枠は、Gene Ontologyの生物学的プロセスサブオントロジーが記述するイベントおよびプロセスをどの程度適切に表現できるか？
• RQ2 分子生物学の文脈において、FrameNetとGOとの間で、イベント分類およびターゲット語のグループ化にどのような違いが生じるか？
• RQ3 一般言語的枠とドメイン固有の生物学的概念を対応付ける際の、意味的カバレッジの具体的な不一致は何か？
• RQ4 一般GOの生物学的プロセス概念は、単一のFrameNet枠に意味的に意味のあるマッピングが可能か、それとも複数の意味枠にまたがるか？

主な発見

• Activity_start, Causation, Interrupt_process, Forgoing の4つのFrameNet枠には、対応するGO概念が存在せず、オントロジーにおける意味的ギャップを示している。
• GO:0008283（細胞増殖）はProliferation_in_number枠にマッピングされ、一般生物学的プロセスにおいて整合性があることが示された。
• GO:0006412（翻訳）は正しくTranslating枠にマッピングされ、コア分子機能において意味的一致性が確認された。
• 複数のGO概念が同じFrameNet枠（例：declineおよびgrowthのためのChange_position_on_a_scale）にマッピングされた。これは、同じ言語的枠に異なる生物学的プロセスが対応していることを示しており、不一致を示している。
• GO:0032502（発生過程）などの一部のGO概念は、複数の枠（例：ProgressおよびProcess_start）にマッピングされた。これは、概念の曖昧さまたは一般化のしすぎを示している。
• ペプチド遮断やDNA代謝過程などの特定の生物学的プロセスは、一般枠では捉えられておらず、FrameNetのドメイン固有の動詞に対するカバレッジの限界を浮き彫りにした。