[논문 리뷰] Description of the Odin Event Extraction Framework and Rule Language

Marco A. Valenzuela-Escárcega, Gus Hahn-Powell외 1명|arXiv (Cornell University)|2015. 09. 24.

Natural Language Processing Techniques인용 수 5

한 줄 요약

이 논문은 문맥 독립적이고 규칙 기반의 이벤트 추출 프레임워크인 Odin을 소개한다. 이는 문법적 의존성 패턴과 표면 수준의 토큰 패턴을 결합하여 강건하고 효율적인 정보 추출을 가능하게 한다. 이 프레임워크는 선언적 YAML 기반 규칙 언어를 통해 복잡한 이벤트 모델의 빠른 개발을 가능하게 하며, 고정된 Scala 액션을 통한 확장성과 함께 실제 응용에서 초당 100개 이상의 문장을 처리하는 높은 정확도를 달성한다.

ABSTRACT

This document describes the Odin framework, which is a domain-independent platform for developing rule-based event extraction models. Odin aims to be powerful (the rule language allows the modeling of complex syntactic structures) and robust (to recover from syntactic parsing errors, syntactic patterns can be freely mixed with surface, token-based patterns), while remaining simple (some domain grammars can be up and running in minutes), and fast (Odin processes over 100 sentences/second in a real-world domain with over 200 rules). Here we include a thorough definition of the Odin rule language, together with a description of the Odin API in the Scala language, which allows one to apply these rules to arbitrary texts.

연구 동기 및 목표

• NLP 분야에서 규칙 기반 정보 추출을 위한 표준화되고 접근 가능한 언어의 부족을 해결하기 위해.
• 최소한의 설정 시간으로 도메인 특화의 이벤트 추출 문법을 신속하게 개발할 수 있도록 하기 위해.
• 의존성 오류에 대비한 강건성을 확보하기 위해 문법적 패턴과 표면 수준 패턴을 결합하기 위해.
• 복잡한 이벤트 구조와 의미적 제약 조건을 지원하는 고성능이고 확장 가능한 프레임워크를 제공하기 위해.

제안 방법

• Odin 프레임워크는 의존성 패턴과 토큰 수준 패턴을 모두 사용하여 이벤트 트리거와 인수를 정의하는 선언적 YAML 기반 규칙 언어를 사용한다.
• 규칙는 이름이 지정된 인수, 계수자, 그리고 영역이 없는 어조를 사용하여 복잡한 문법적 및 의미적 제약 조건을 모델링한다.
• 부사어, 어형, 명명된 엔티티, 의존성 분석 정보에 접근하기 위해 NLP 파이프라인(예: Stanford CoreNLP)과 통합된다.
• 복잡한 문법적 패턴을 적용하기 전에 어휘적·형태적 트리거를 얕은 필터로 사용하여 검색 공간을 줄임으로써 이벤트 추출 속도를 향상시킨다.
• 코어퍼런스 해결 또는 후처리와 같은 복잡한 현상을 다루기 위해 규칙에 커스터마이징된 Scala 액션을 부착할 수 있다.
• Odin API를 통해 문법을 프로그래밍 방식으로 인스턴스화하고 구조화된 JSON 형식의 출력을 얻을 수 있도록, 주석이 달린 텍스트에서 실행할 수 있다.

실험 결과

연구 질문

• RQ1 다양한 도메인에서 강력하고도 사용하기 쉬운 규칙 기반 이벤트 추출 시스템을 설계하는 방법은 무엇인가?
• RQ2 의존성 분석 오류가 발생하더라도 강건성과 고성능을 확보할 수 있는 설계 원리는 무엇인가?
• RQ3 단일 프레임워크 내에서 표면 수준 패턴과 문법적 패턴을 모두 지원할 수 있는 통합 규칙 언어의 설계 원리는 무엇인가?
• RQ4 트리거 기반 필터링이 실제 응용에서 처리 속도에 미치는 영향은 무엇인가?
• RQ5 성능나 유지보수성에 손상 없이 확장성을 어떻게 달성할 수 있는가?

주요 결과

• 실제 생물의학 도메인에서 211개 규칙의 문법을 사용할 경우, 표준 랩탑에서 초당 100개 이상의 문장을 처리한다.
• 프레임워크는 재귀적 이벤트와 동일한 이름을 가진 다중 인수를 포함한 복잡한 이벤트 구조를 지원한다.
• 표면 수준 패턴과 문법적 패턴을 혼합함으로써 의존성 분석에 실패하더라도 강건한 추출이 가능하다.
• 방향성 연산자를 사용한 의존성 그래프에 대해 확장된 정규 표현식을 사용하는 강력한 패턴 매칭이 가능한 규칙 언어를 제공한다.
• 코어퍼런스 해결과 같은 비정형 후처리 작업을 처리하기 위해 Scala에서 커스터마이징된 액션을 규칙 시스템에 원활하게 통합할 수 있다.
• 최소한의 구성으로 몇 분 내로 시스템을 구동할 수 있어 빠른 프로토타ип링과 도메인 이식이 가능하다.