[논문 리뷰] Building a Knowledge Graph from Natural Language Definitions for Interpretable Text Entailment Recognition

Vivian S. Silva, André Freitas외 1명|arXiv (Cornell University)|2018. 06. 20.

Topic Modeling인용 수 5

한 줄 요약

이 논문은 엔티티 중심 역할 기반의 의미 역할 표기 방법을 사용하여 WordNet의 자연어 정의에서 자동으로 지식 그래프인 WordNetGraph를 구축하는 방법을 제안한다. 이 그래프를 통해 용어 간 경로를 탐색함으로써 인간이 이해할 수 있는 근거를 생성함으로써 해석 가능한 텍스트 함의 인식이 가능해지며, 기존의 방법들과 비교해 유사한 성능을 달성하면서도 투명한 추론 과정을 제공한다.

ABSTRACT

Natural language definitions of terms can serve as a rich source of knowledge, but structuring them into a comprehensible semantic model is essential to enable them to be used in semantic interpretation tasks. We propose a method and provide a set of tools for automatically building a graph world knowledge base from natural language definitions. Adopting a conceptual model composed of a set of semantic roles for dictionary definitions, we trained a classifier for automatically labeling definitions, preparing the data to be later converted to a graph representation. WordNetGraph, a knowledge graph built out of noun and verb WordNet definitions according to this methodology, was successfully used in an interpretable text entailment recognition approach which uses paths in this graph to provide clear justifications for entailment decisions.

연구 동기 및 목표

• 비구조화된 자연어 정의에서 구조화되고 해석 가능한 지식 기반을 생성하기 위해.
• 결정에 대한 인간이 이해할 수 있는 근거를 생성함으로써 텍스트 함의 인식의 해석 가능성 향상하기 위해.
• 사전 정의를 지식 그래프로 변환하는 확장 가능하고 도메인 적용이 가능한 방법 개발하기 위해.
• 분포적 의미를 활용하여 어휘 정의 기반으로 경로 기반 추론을 수행하기 위해.
• 정의에서 지식 그래프를 구축하기 위한 자유롭게 이용 가능한 도구 제공하기 위해.

제안 방법

• 초기 개념 모델을 엔티티 중심 의미 역할 기반으로 설정: 초종류, 질적 차별화, 사건적 차별화.
• 정의 문장의 구문에 의미 역할을 자동으로 할당하기 위해 지도 학습 분류기 훈련.
• 라벨이 부여된 정의 조각을 RDF 삼중항으로 변환하여 WordNetGraph 지식 그래프 구축.
• 텍스트 함의 작업에서 전제어어에서 가설어로 그래프를 탐색하기 위해 분포적 의미 활용.
• 그래프에서 찾은 최단 경로를 따라 노드 내용을 연결하여 근거 생성.
• 데이터 전처리, 주석 처리, 분류기 훈련, RDF 모델 생성을 위한 오픈소스 도구 제공.

실험 결과

연구 질문

• RQ1 자연어 정의는 체계적으로 구조화되고 해석 가능한 지식 그래프로 변환될 수 있는가?
• RQ2 사전 정의에서 구축된 지식 그래프는 해석 가능한 텍스트 함의 인식을 지원할 수 있는가?
• RQ3 이러한 그래프에서 경로 기반 탐색을 통해 함의 결정에 대한 인간이 이해할 수 있는 근거를 도출할 수 있는가?
• RQ4 이 방법의 성능는 기존의 텍스트 함의 방법과 비교해 어떻게 되는가?
• RQ5 이러한 방법론은 WordNet을 초월한 다른 어휘 자원으로 얼마나 확장 가능한가?

주요 결과

• 의미 역할 표기 기반으로 WordNet의 명사 및 동사 정의에서 WordNetGraph 지식 기반을 성공적으로 구축하였다.
• 지식 그래프 내 경로 기반 추론을 통해 결정의 근거를 생성함으로써 해석 가능한 텍스트 함의 인식이 가능해졌다.
• 나무 편집 거리 및 분류 기반 모델과 같은 기존의 텍스트 함의 방법과 유사한 성능를 달성하였다.
• 그래프 경로를 기반으로 생성된 근거는 간결하고 인간이 이해할 수 있어 시스템의 설명 가능성 향상에 기여하였다.
• 이 프레임워크는 확장 가능하며, BPI 데이터셋과 Guardian Headlines 데이터셋에 적용되었으며 일관된 결과를 도출하였다.
• 데이터 처리, 주석 처리, 지식 그래프 생성을 위한 완전한 도구 세트가 공개되어 있다.