[论文解读] Formal Ontology Learning from English IS-A Sentences

Sourish Dasgupta, Ankur Padia+3 more|arXiv (Cornell University)|Feb 11, 2018

Natural Language Processing Techniques参考文献 61被引用 3

一句话总结

该论文提出DLOL，一种形式化本体学习框架，通过两阶段流程将事实性英语IS-A句子转化为描述逻辑$Δ\mathcal{SHOQ}(\mathbf{D})$：首先利用归一化句子结构（NSS）实现鲁棒的句子归一化，再通过描述逻辑翻译（DLT）算法将句子映射为形式化逻辑。与Text2Onto、FRED和LExO等最先进工具相比，DLOL在词汇准确率上提高21%，在基于实例的推理召回率上提高46%。

ABSTRACT

Ontology learning (OL) is the process of automatically generating an ontological knowledge base from a plain text document. In this paper, we propose a new ontology learning approach and tool, called DLOL, which generates a knowledge base in the description logic (DL) SHOQ(D) from a collection of factual non-negative IS-A sentences in English. We provide extensive experimental results on the accuracy of DLOL, giving experimental comparisons to three state-of-the-art existing OL tools, namely Text2Onto, FRED, and LExO. Here, we use the standard OL accuracy measure, called lexical accuracy, and a novel OL accuracy measure, called instance-based inference model. In our experimental results, DLOL turns out to be about 21% and 46%, respectively, better than the best of the other three approaches.

研究动机与目标

• 为解决从英语事实性IS-A句子中进行形式化本体学习所面临的非平凡挑战，包括词汇、句法、时态、情态及比较形式的差异。
• 开发一种鲁棒且对改写不敏感的中间表示，将多样化的句子形式归一化为标准结构。
• 设计一种描述逻辑翻译算法，将归一化后的句子映射为$Δ\mathcal{SHOQ}(\mathbf{D})$逻辑片段中的等价公理与规则。
• 在标准与新型基准上评估该框架，证明其在准确性方面优于现有工具。
• 确立IS-A句子作为非IS-A事实性陈述形式化表示的基础。

提出的方法

• 提出两阶段流程：首先，归一化句子结构（NSS）将输入的IS-A句子归一化为标准形式，降低对句法与词汇差异的敏感性。
• 采用模板匹配算法，将多样化的IS-A句子模式（如Hearst模式、时态变化、情态形式等）映射为标准化的NSS实例。
• 应用描述逻辑翻译（DLT）算法，将NSS中的语言结构映射为$Δ\mathcal{SHOQ}(\mathbf{D})$描述逻辑中的等价公理与规则。
• 使用基于WCL v1.1语料库构建的黄金标准本体作为评估语义准确率的参考。
• 引入一种新颖的基于实例的推理度量（IIM），用于评估学习到的本体在词汇匹配之外的推理能力。
• 采用标准的词汇准确率（LA）与IIM作为评估指标，将DLOL与Text2Onto、FRED和LExO在社区发布的数据集上进行比较。

实验结果

研究问题

• RQ1 形式化本体学习系统是否能在对语言差异具有鲁棒性的同时，实现将英语事实性IS-A句子高精度转化为$Δ\mathcal{SHOQ}(\mathbf{D})$？
• RQ2 所提出的NSS表示在归一化多样化IS-A句子模式方面，相较于现有方法效果如何？
• RQ3 DLT算法在将归一化句子翻译为形式化逻辑公理时，其语义保真度在多大程度上得以保持？
• RQ4 DLOL在词汇准确率与基于推理的性能方面，相较于最先进本体学习工具表现如何？
• RQ5 IS-A句子能否作为通过形式化表示学习非IS-A事实性陈述的基础？

主要发现

• DLOL在词汇准确率上平均比表现第二好的工具高出21%，优于Text2Onto、FRED和LExO。
• DLOL在基于实例的推理召回率（IIM）上平均提升46%，表明其具备更优越的推理能力。
• NSS归一化组件显著降低了IS-A句子在句法与词汇差异上的敏感性，提升了下游翻译的准确性。
• DLT算法成功将复杂IS-A模式（包括比较形式与情态形式）映射为正确的$Δ\mathcal{SHOQ}(\mathbf{D})$公理，保真度高。
• 在WCL v1.1语料库与领域特定的YAHOO! BOSS数据集上的评估结果表明，DLOL在多种文本来源下均表现出强鲁棒性。
• 新颖的IIM基准揭示，与现有工具相比，DLOL更能保持推理关系，表明其具备更强的语义基础。