[论文解读] Paraphrasing Verbs for Noun Compound Interpretation

Preslav Nakov|arXiv (Cornell University)|Nov 20, 2019

Natural Language Processing Techniques参考文献 13被引用 10

一句话总结

本文提出了一种新颖的名词短语解释方法，通过收集人类标注的释义动词及其关联权重（针对250个名词-名词复合词），构建了一个能够捕捉细微语义关系的资源。此外，基于这些动词构建了一个文本蕴涵数据集，支持对动词-名词-名词结构能否被有效重述为名词复合词进行二元分类，从而支持问答系统、信息检索和机器翻译等应用。

ABSTRACT

An important challenge for the automatic analysis of English written text is the abundance of noun compounds: sequences of nouns acting as a single noun. In our view, their semantics is best characterized by the set of all possible paraphrasing verbs, with associated weights, e.g., malaria mosquito is carry (23), spread (16), cause (12), transmit (9), etc. Using Amazon's Mechanical Turk, we collect paraphrasing verbs for 250 noun-noun compounds previously proposed in the linguistic literature, thus creating a valuable resource for noun compound interpretation. Using these verbs, we further construct a dataset of pairs of sentences representing a special kind of textual entailment task, where a binary decision is to be made about whether an expression involving a verb and two nouns can be transformed into a noun compound, while preserving the sentence meaning.

研究动机与目标

• 为解决英语文本中普遍存在且语义复杂的名词复合词解释问题。
• 通过使用细粒度且可直接使用的释义动词，克服抽象语义关系（如CAUSE、LOCATION）的局限性。
• 创建一个公开可用的数据集，包含对250个名词复合词的人工标注释义动词，以提升语义解释的准确性。
• 开发一个文本蕴涵数据集，其中对包含动词-名词-名词结构的句子进行评估，判断其重述为名词复合词是否有效。
• 通过更细致的名词复合词语义表征，激发问答系统、信息检索和机器翻译等实际NLP应用。

提出的方法

• 通过Amazon Mechanical Turk收集了250个来自语言学文献的名词-名词复合词的释义动词及其关联权重（例如，malaria mosquito：carry (23)，spread (16)）。
• 以Levi的可恢复删除谓词（RDPs）子集为基础，识别名词复合词中的语义关系。
• 通过将包含动词-名词-名词结构的句子（文本）与其中名词复合词的重述（假设）配对，构建文本蕴涵数据集，并标注YES/NO蕴涵标签。
• 通过使用可直接用作重述的动词（如'carry'、'spread'、'transmit'、'cause'）确保语义一致性。
• 通过使用网络来源的句子，使数据集反映真实世界的NLP任务，如问答和信息检索。
• 将所有数据集以知识共享许可（Creative Commons license）发布，以促进在名词复合词解释领域的再利用和进一步研究。

实验结果

研究问题

• RQ1 带有关联权重的释义动词能否比抽象关系提供更细粒度且更准确的名词复合词语义表征？
• RQ2 人工标注的释义动词在多大程度上可用于判断动词-名词-名词结构能否被有效重述为名词复合词？
• RQ3 与传统的抽象关系标注相比，基于动词的方法在捕捉名词复合词语义细微差别的有效性如何？
• RQ4 基于动词的重述数据集能否提升下游NLP任务（如文本蕴涵和信息检索）的性能？
• RQ5 语义一致性和短语依附关系对蕴涵任务中名词复合词重述有效性的影响力如何？

主要发现

• 该数据集包含250个名词复合词，每个均标注有多个释义动词及其关联权重，例如'malaria mosquito'与'carry'（23）、'spread'（16）、'cause'（12）、'transmit'（9）相关联。
• 文本蕴涵数据集包含19个样本，其中17个标注为YES（蕴涵有效），2个标注为NO（蕴涵无效），表明基于动词的重述在蕴涵判断中具有实用性。
• 示例显示，使用错误的动词（如用'study'代替'support'）会导致无效重述，例如'MIT professors who study women'并不蕴涵'MIT women professors'。
• 错误的短语依附关系（如将'donor'和'blood'重新排序为'transfusion of blood products from a donor who gave blood'）会导致语义改变，从而导致NO蕴涵。
• 该方法成功捕捉了抽象关系（如'CAUSE'或'LOCATION'）可能掩盖的语义差异，例如在疾病传播中'cause'与'transmit'的区别。
• 该资源能够更准确地支持NLP任务中名词复合词的解释，如通过基于动词的语义区分有效与无效重述。