[논문 리뷰] Architecture of an Ontology-Based Domain-Specific Natural Language Question Answering System

P M Athira, M. U. Sreeja외 1명|arXiv (Cornell University)|2013. 11. 13.

Natural Language Processing Techniques참고 문헌 9인용 수 7

한 줄 요약

이 논문은 도메인 특화 자연어 질의 응답을 위한 온톨로지 기반 자연어 질의 응답(NLQA) 시스템 아키텍처를 제안한다. 자연어 처리와 온톨로지 기반 추론을 활용하여 질의 이해와 정답 정확도를 향상시킨다. 시스템은 질문 처리, 문서 검색, 문서 처리, 답변 생성의 네 가지 모듈형 컴ponent를 통해 복잡한 자연어 질문에 대해 도메인 특화된 요약된 답변을 94%의 정확도로 생성한다.

ABSTRACT

Question answering (QA) system aims at retrieving precise information from a large collection of documents against a query. This paper describes the architecture of a Natural Language Question Answering (NLQA) system for a specific domain based on the ontological information, a step towards semantic web question answering. The proposed architecture defines four basic modules suitable for enhancing current QA capabilities with the ability of processing complex questions. The first module was the question processing, which analyses and classifies the question and also reformulates the user query. The second module allows the process of retrieving the relevant documents. The next module processes the retrieved documents, and the last module performs the extraction and generation of a response. Natural language processing techniques are used for processing the question and documents and also for answer extraction. Ontology and domain knowledge are used for reformulating queries and identifying the relations. The aim of the system is to generate short and specific answer to the question that is asked in the natural language in a specific domain. We have achieved 94 % accuracy of natural language question answering in our implementation.

연구 동기 및 목표

• 기존의 QA 시스템을 향상시키기 위해 도메인 특화 온톨로지를 통합하여 자연어 질문의 의미적 이해를 향상시키기 위해.
• 특정 도메인에서 복잡한 자연어 질문을 높은 정밀도로 처리하는 과제를 해결하기 위해.
• 질의 재구성, 문서 검색, 온톨로지 지식을 활용한 정확한 답변 추출을 지원하는 모듈형 아키텍처를 개발하기 위해.
• 도메인 지식과 온톨로지에 코딩된 의미 관계를 활용하여 답변의 구체성과 관련성 향상시키기 위해.

제안 방법

• 시스템은 네 모듈 아키텍처를 사용한다: 질문 처리, 문서 검색, 문서 처리, 답변 생성.
• 질문 처리는 문법적 및 의미적 분석, 분류, 온톨로지 기반 관계를 이용한 재구성 포함.
• 문서 검색은 온톨로지 개념과 관계에서 유도된 재구성된 질의에 의해 안내된다.
• 문서 처리는 NLP 기법을 사용하여 관련 내용을 추출하며, 온톨로지 기반의 의미 해소 및 관계 식별을 수행한다.
• 답변 추출 및 생성은 질문 의도와 문서 내용 간의 의미 일치를 통해 수행되며, 도메인 온톨로지에 기반한다.
• 온톨로지 및 도메인 지식은 자연어 질의를 형식적 표현으로 매핑하고 답변 선택을 안내하는 데 사용된다.

실험 결과

연구 질문

• RQ1 어떻게 온톨로지 기반 추론이 특정 도메인에서 자연어 질의 응답의 정확도를 향상시킬 수 있는가?
• RQ2 어떤 모듈형 아키텍처가 특정 도메인 환경에서 복잡한 자연어 질문을 효과적으로 처리할 수 있는가?
• RQ3 NLP와 온톨로지 지식이 질의 재구성 및 정답 정확도 향상에 어느 정도 기여할 수 있는가?
• RQ4 도메인 지식 통합이 모호하거나 복잡한 질문을 다룰 수 있는 시스템의 능력에 어떤 영향을 미치는가?

주요 결과

• 제안된 온톨로지 기반 NLQA 시스템은 도메인 특화 자연어 질문에 대해 94%의 정확도를 달성했다.
• 온톨로지 지식의 통합은 질의 재구성과 복잡한 질문의 의미 이해를 크게 향상시켰다.
• 모듈형 아키텍처는 책임의 효과적인 분리를 가능하게 하여 QA 파이프라인의 유지보수성과 확장성 향상에 기여했다.
• 자연어 처리 기법과 온톨로지 기반 추론의 조합은 답변의 구체성과 관련성을 향상시켰다.