[論文レビュー] Methods and Tools for Building the Catalan WordNet

Laura Benı́tez, Sergi Cervell+4 more|arXiv (Cornell University)|Jun 11, 1998

Natural Language Processing Techniques参考文献 8被引用数 32

ひとこと要約

本稿では、Catalan語の語彙的エントリを二国語辞書から英語WordNet 1.5のsynsetにマッピングすることで、スケーラブルで自動化されたCatalan WordNet構築手法を提示する。その後、Webベースのインターフェースを用いた手動による検証と精錬が行われる。このアプローチにより、初期マッピングで95.9％の正確性を達成し、多言語的意味的リソースの基盤を形成する、迅速で多言語対応の語彙的知識ベース構築が可能となる。

ABSTRACT

In this paper we introduce the methodology used and the basic phases we followed to develop the Catalan WordNet, and shich lexical resources have been employed in its building. This methodology, as well as the tools we made use of, have been thought in a general way so that they could be applied to any other language.

研究の動機と目的

• 既存の語彙的リソースから、迅速で再利用可能なモノリンガルおよび多言語語彙的知識ベース（LKB）を構築するための手法を開発すること。
• Catalan語NLPにおける「語彙的ボトルネック」を解消するため、WordNetに類似した構造的かつ意味的に豊富な語彙的リソースを構築すること。
• Catalan WordNetエントリと英語WordNetを共有されるsynsetを通じて、Catalan語と英語の間で意味的統合を可能にすること。
• 情報検索やテキスト理解などのNLPアプリケーションで利用可能な、完全で検証済みのCatalan WordNetの作成を支援すること。
• 分散チームによる語彙データの共同編集と検証を可能にする、柔軟でWebアクセス可能なインターフェースの設計

提案手法

• 機械可読の二国語辞書（例：DEC 1996）からCatalan-English語対を自動抽出し、英語WordNet 1.5のsynsetにマッピングする。
• 翻訳の一貫性と一意性に基づき、翻訳の整合性に基づく分類手法（Atserias et al. 1997）を適用し、語対を4つの互いに排他的なサブセットに分類する。
• EuroWordNetプロジェクトのベースコンセプト（793語名詞、228語動詞）をアンカーポイントとして用い、Catalan WordNetにおける階層的カバレッジと接続性を保証する。
• synset、gloss、意味関係（上位関係、下位関係など）および多言語語義素マッピングを格納するためのリレーショナルデータベーススキーマを実装する。
• Perl、HTML、JavaScriptを用いたWebベースのインターフェースを開発し、遠隔地からでも多言語WordNetの共同参照・編集を可能にする。
• 追加の検証と拡張のため、モノリンガル語彙的リソース（例：Diccionari general de la llengua catalana）を統合する。

実験結果

リサーチクエスチョン

• RQ1 Catalan語のようなリソースが乏しい言語に対して、既存の二国語およびモノリンガル語彙的リソースを活用して、効率的にモノリンガルWordNetを構築する方法は何か？
• RQ2 Catalan語語彙的エントリを英語WordNetのsynsetに誤りを最小限に抑えて信頼性高くリンクする自動技術は何か？
• RQ3 自動マッピングと手動検証を組み合わせたハイブリッド手法が、新しいWordNetの正確性とカバレッジをどの程度向上させられるか？
• RQ4 スケーラブルでWebベースのインターフェースは、多言語語彙的知識ベースの構築と精錬における分散チームの協働をどの程度支援できるか？
• RQ5 EuroWordNetプロジェクトのベースコンセプトを用いることで、Catalan WordNetにおける構造的整合性と完全性はどの程度確保できるか？

主な発見

• Catalan-English語対を英語WordNet 1.5のsynsetに自動マッピングした結果、最初のテストセット（mono1）で95.9％の正確性を達成し、複数のテストケースで高い精度を示した。
• 分類ベースの意味あいまいさ解消手法を用いることで、語対を一貫性のある翻訳カテゴリに分割し、synsetへの信頼性の高いマッピングが可能になった。
• Webベースのインターフェースにより、遠隔地からの共同作業が効果的に可能となり、ユーザーが多言語WordNetデータ（Levinクラスを含む動詞意味クラスを含む）を参照・編集できるようになった。
• データベース設計により、追加言語のWordNetの統合が可能であり、EuroWordNet基準に準拠したモノリンガルWordNetのエクスポートを実装したプロトタイプが既に存在する。
• この手法により、793のベース名詞および228のベース動詞コンセプトを根拠とする階層的構造を持つ、初期段階のCatalan WordNetが構築可能となり、コア意味ネットワークへの接続性が保証された。
• 二国語MRDの規模の制限により初期段階でカバレッジに限界があったが、モノリンガルMRD（例：Rigau et al. 1997）からの分類体系統合により、将来的に拡張が可能である。