[论文解读] Enriching WordNet concepts with topic signatures

Eneko Agirre, Olatz Ansa+2 more|ArXiv.org|Sep 18, 2001

Natural Language Processing Techniques参考文献 16被引用 84

一句话总结

本文提出通过从网络或词义标注语料中提取的加权主题相关词汇集合（即主题签名）来丰富WordNet概念，以增强其主题连贯性。通过应用过滤技术，作者证明了从网络获取的主题签名能显著提升词义消歧性能，验证了其在丰富词汇本体方面的有效性。

ABSTRACT

This paper explores the possibility of enriching the content of existing ontologies. The overall goal is to overcome the lack of topical links among concepts in WordNet. Each concept is to be associated to a topic signature, i.e., a set of related words with associated weights. The signatures can be automatically constructed from the WWW or from sense-tagged corpora. Both approaches are compared and evaluated on a word sense disambiguation task. The results show that it is possible to construct clean signatures from the WWW using some filtering techniques.

研究动机与目标

• 通过将概念与主题签名关联，解决WordNet中概念间缺乏主题连贯性的问题。
• 探索利用网络文本和词义标注语料自动构建主题签名的方法。
• 评估主题签名对词义消歧任务的影响。
• 比较不同来源生成的主题签名的质量与有效性。
• 确定过滤技术是否能从噪声较大的网络数据中生成干净、有用的主题签名。

提出的方法

• 通过在大型文本集合中提取目标WordNet概念周围的共现词汇来构建主题签名。
• 使用网络搜索结果作为签名生成的数据源，并应用过滤技术以减少噪声。
• 利用词义标注语料作为验证签名质量的黄金标准数据源。
• 根据词汇与目标概念的频率和相关性为其在签名中分配权重。
• 应用统计过滤技术，从网络获取的签名中去除低相关性或无关词汇。
• 通过使用生成的主题签名作为特征，在词义消歧任务中评估签名质量。

实验结果

研究问题

• RQ1 能否从网络中有效提取主题签名以丰富WordNet概念？
• RQ2 与词义标注语料生成的主题签名相比，网络获取的主题签名在质量和实用性方面如何？
• RQ3 主题签名在多大程度上提升了词义消歧性能？
• RQ4 哪些过滤技术在清理噪声较大的网络主题签名方面最为有效？
• RQ5 主题签名能否弥合原本彼此孤立的WordNet概念之间的主题鸿沟？

主要发现

• 经过适当过滤的网络获取主题签名，其质量可与词义标注语料生成的签名相媲美。
• 过滤技术显著降低了网络签名中的噪声，提升了其相关性和实用性。
• 使用主题签名可显著提升词义消歧任务的性能。
• 尽管存在固有噪声，网络获取的签名在结合针对性过滤后依然有效。
• 主题签名成功通过增加概念间的主题连贯性，丰富了WordNet。
• 本研究证实，可利用公开可用的文本资源自动大规模构建主题签名。